arXiv cs.CL· Priyanka Dey, Rajarshi Das, Vikas Bahirwani, Qi Zeng, Julia Kruk, Qi Qi·· 10 小时前AI 评分34
语言模型在偏好认知不确定性下的自适应个性化存在识别-生成差距
Adaptive Personalization Under Preference Epistemic Uncertainty
AI 导读
研究将对话 AI 随偏好不确定性调整回应策略的能力形式化为“偏好认知不确定性下的自适应个性化”，并构建覆盖 250 个角色、5 种语言、25K 轮对话的多语言基准。
正文 · AI 翻译
摘要：人类偏好会随时间变化：一个既定的偏好可能随时间保持有效，可能随语境变化而变得不确定，也可能被明确修改。有效的个性化要求对话式 AI 根据不断演变的偏好调整其回应策略，而不是依赖被动的记忆检索。我们将这一能力形式化为认知不确定性下的自适应个性化。一项人类偏好研究进一步证实，随着偏好不确定性的变化，人们倾向于采用依状态而定的回应策略。为了评估语言模型是否也表现出这种适应能力，我们构建了一个多语言基准，涵盖 250 个人设、5 种语言和 25K 轮对话，将策略选择与回应执行解耦。在八个闭源和开源模型中，我们发现了一种识别—生成差距：模型在从候选选项中做选择时能可靠地识别出合适的策略，但在开放式生成中却表现崩溃，策略校准度下降 35-46%。关键在于，这种失败是系统性的：模型默认采取“先利用”行为，无论偏好的认知不确定性如何，都过度依赖已有偏好。我们表明这种失败是可以解决的：提示干预无效，而将模型的内部策略表征向依状态而定的人类偏好进行监督的有针对性训练，可使在分布外人设和对话风格上的用户可接受性泛化差距缩小三分之一。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.40930 [cs.CL] |
| （或 arXiv:2610.40930v1 [cs.CL] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.40930 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Priyanka Dey [查看邮箱]
[v1]
2026年10月29日 星期四 20:01:11 UTC（1,147 KB）
来源：arXiv cs.CL · arxiv.org