arXiv cs.CL· Yejin Yoon, Minseo Kim, Taeuk Kim·· 3 天前AI 评分21
面向多会话个性化工具调用的潜在偏好建模
Latent Preference Modeling for Multi-Session Personalized Tool Calling
AI 导读
研究者提出 Multi-Session Personalized Tool Calling（MPT）基准，包含 459 段多会话交互历史中的 4,695 个实例，覆盖偏好回忆、归纳与迁移三类挑战。同时提出测试时记忆方法 PRefine，将用户潜在偏好维护为文本假设，通过生成—验证—精炼循环迭代修正。在五个 LLM 上，PRefine 优于所有基线，并在偏好迁移任务上单独超过全历史提示。
正文 · AI 翻译
摘要：用户往往会在向基于 LLM 的智能体提出的请求中省略关键细节，导致工具使用的输入描述不充分。这对工具增强型智能体构成了根本性挑战，因为 API 执行通常需要完整的参数，从而凸显了个性化工具调用的必要性。为研究这一问题，我们提出了多会话个性化工具调用（Multi-Session Personalized Tool Calling，MPT）基准，包含 459 条多会话交互历史中的 4,695 个实例，涵盖三项挑战：偏好回忆、归纳与迁移。我们进一步提出了 PRefine，一种测试时记忆方法，将用户的潜在偏好维护为文本假设，并通过生成—验证—精炼循环进行修正。在五个 LLM 上，现有记忆系统往往无法优于全历史提示；PRefine 优于所有基线，并且在偏好迁移上单独超越了它。这些结果表明，个性化智能体的记忆必须将行为抽象为偏好，而不是简单地将其存档。
| 评论： | 审稿中。27 页，14 幅图，19 张表。v2：修订了基准构建并扩展了分析 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2604.17886 [cs.CL] |
| （或使用 arXiv:2604.17886v3 [cs.CL] 引用此版本） | |
| https://doi.org/10.48550/arXiv.2604.17886 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yejin Yoon [查看电子邮件]
[v1]
2026 年 4 月 20 日星期一 06:57:50 UTC（1,354 KB）
[v2]
2026 年 9 月 8 日星期二 09:54:31 UTC（2,273 KB）
[v3]
2026 年 10 月 14 日星期三 13:27:25 UTC（2,359 KB）
来源：arXiv cs.CL · arxiv.org