Менее личный: обучение минимально достаточным профилям пользователей персональных языковых моделей

arXiv:2609.081880v1 Annualce Type: New Habstrate: Retrievaly-Aughdening personalization позволяет крупным языковым моделям производить более точные и несовпадающие с преференциями материалы, используя соответствующие записи из истории пользователей. Личные языковые модели обычно предвосхищают фиксированное число извлеченных записей пользователей, даже если дополнительная история является излишней, вредной или не имеет отношения к особенному поведению пользователя. Мы изучаем минимальную достаточную индивидуализацию: создание наименее дорогостоящего заказанного профиля для каждого входа при сохранении полезности, достижимой из найденного списка кандидатов. Мы введём метод ENOUGE, который итеративно аннексирует поведенческие записи или излучает STOP для построения профиля с адаптивной длиной. Оффлайновый, ограничённый контрфактический поиск оценивает профиль префиксы путем совместного рассмотрения выгод от низов, особенностей пользователя и символических издержек. Полученные в результате этого целевые показатели, рассчитанные на длинный период времени, дистиллируются в многоголовый регулятор значений с четко выраженным ранжированием и остановкой наблюдения. На