【论文笔记】019 Enabling Personalized Long-term Interactions in LLM-based Agents through Persistent Memory and User Profiles
通过将六种代理型AI模式（如多代理协作、持久性记忆等）与动态演进的用户画像相结合，提出了一个能同时满足适应性、一致性和定制化需求的框架，显著提升了大语言模型代理在长期交互中的个性化水平。
#个性化
该标签下的全部文章。
【论文笔记】010 A Survey of Personalized Large Language Models - Progress and Future Directions
现在的AI大模型大多是"万人一面"的，无论谁问它，它给出的回答都大同小异；而这篇论文探讨的是如何让AI实现"量体裁衣"式的个性化。它总结了目前学术界让AI学习用户历史对话、写作风格和个人偏好的各种技术手段，并将这些方法系统地归纳为改变说话方式（提示词）、调整大脑结构（模型适配）和校准价值偏好（目标对齐）三个层面。其最终目标是构建一个不仅能记住你的历史，还能适应你的需求，并随着你的成长而不断进化的私人智能伙伴。
【论文笔记】015 From Persona to Personalization - A Survey on Role-Playing Language Agents
本论文系统地回顾了角色扮演语言智能体（RPLAs）的研究现状，建立了一个从群体特征（人口统计学人格）到知名人物（角色人格），再到私人定制（个性化人格）的三级人格分类体系，并全面总结了其构建方法、评估标准及潜在的伦理风险。
【论文笔记】017 PersonaFeedback - A Large-scale Human-annotated Benchmark for Personalization
本文推出了 PersonaFeedback，这是一个包含 8298 条人工标注测试用例的大规模基准测试，通过解耦人格推断与个性化生成，精准评估大语言模型（LLM）在给定显式用户画像时提供个性化响应的能力，并揭示了现有模型在复杂个性化场景下的局限性。
【论文笔记】018 PersonaLens - A Benchmark for Personalization Evaluation in Conversational AI Assistants
论文的核心贡献是提出了 PersonaLens，这是一个全新的基准测试框架，通过模拟具有丰富人口统计特征、个人偏好及交互历史的虚拟用户，系统性地评估 AI 助手在多轮、跨领域的任务导向对话中实现个性化定制服务的能力。