标签
谷歌将其实验性AI应用Dreambeans推向印度——这是美国以外的首个市场，支持13种当地语言，旨在将个性化的AI生成视觉故事带给更广泛的受众。
该论文提出了 P-ContextBench，这是一个可扩展的基准测试框架，通过构建以人口群体数据为依据的合成人物画像，并将其嵌入碎片化的移动应用使用轨迹中，评估大语言模型在个人情境理解方面的能力，包括时间追踪、模式推断以及考虑约束的行动边界识别。研究发现，最先进的模型在关键任务上的得分低于 60%。
Meta 超级智能实验室的研究人员将“认知不确定性下的自适应个性化”形式化，并推出一项多语言基准测试，揭示了大语言模型在策略识别与生成之间的差距：尽管模型能够识别恰当的策略，却仍默认采取利用优先的行为；针对内部策略表征的定向训练缩小了泛化差距。
作者论述AI个人助理中「连接」与「信任」的区别：连接只是能力半径，信任是可验证的预测准确度，需要通过提议→确认/纠正→记忆化的产品闭环不断累积。文章还强调上下文无法被复制、隐私是感知深度的前提，并抛出关于知晓边界和集成顺序的开放讨论。
Google 正在为 Chrome 的自动填充功能引入 AI，该功能可从用户的 Gmail 中提取航班确认信息、快递单号和地址等详情，用于自动填写在线表单。此功能作为其 Personal Intelligence 计划的一部分，将面向美国的桌面版、iOS 和 Android 用户推出。
Dalet（daletlabs）宣布完成 700 万美元的种子前轮融资，用于开发一款由 AI 驱动的购物应用。该应用可生成高度个性化的逼真图像信息流，图像中包含可直接在应用内购买的真实商品。公司由来自 Google、Runway 和麻省理工学院的研究人员创立，并获得 Lightspeed VP 的投资支持。
该论文提出 PERPL 框架，通过 LLM 模拟读者的相对偏好来学习个性化事实核查解释改写，在保持事实忠实性的同时优于更大的通用 LLM。
iPrefBench 是一个以用户为中心的基准测试，用于评估个性化移动智能体在带有模拟用户的可执行 iOS 环境中，能否从活动历史中推断缺失偏好或主动请求澄清。对 7 个前沿智能体的评估显示存在较大差距：动作完成率高（最高达 91.6%），但完整任务成功率低（最高仅 47.7%），智能体尤其难以主动请求必要的信息。
Meta的欧洲广告收入增长因欧盟《数字市场法》要求推出“低个性化广告”选项而显著放缓，欧盟地区增速落后于美加市场，监管压力正成为其广告业务的实际拖累。
Radaric 是一款 AI 驱动的信息流阅读器，可整合 RSS、Telegram、X 和 YouTube，并通过用户对内容的批准、拒绝与解释反馈来学习编辑口味，将重复报道聚合为单一故事。
论文提出了 Preference-PCA 多元学习框架（P3L），该框架通过 PCA 从匿名众包反馈中联合学习轨迹嵌入与共享偏好方向，无需标注者身份信息，即可在具身控制任务中实现可操控的个性化对齐以及快速的个性化奖励学习。
JustAI 宣布正式发布其全新的全栈营销平台，以统一的 Marketing Harness 驱动整个营销工作流，包含可自我优化的客户旅程、统一客户上下文以及基于自然语言提问的增长分析功能。
该论文提出一种基于约束上下文老虎机的个性化 LLM 路由框架，通过 primal-dual GLM-UCB 算法在线学习用户偏好，在最小化推理成本的同时以高概率保证响应质量满意度。
MyLens AI 推出面向大规模 1-1 实时演示的产品，能基于用户提供的原始素材为每位观众生成个性化实时演示，并在演示中回答问题、动态生成新幻灯片，还会提供每场会话的表现分析。
提出了 SkillGrain 框架，将用户反馈分解为可独立执行的原子规则，预测其可迁移性并只保留适用于未来请求的部分，通过强化学习联合优化技能归纳与条件生成，以实现可复用的个性化技能学习。
PersEvalBench 提出了一项基准测试，通过 403 个多情节场景，检验大语言模型评估器能否可靠地判断用户画像信息的使用是否符合上下文。研究发现，当前评估器的表现仍远逊于人类判断（63.9% 对比 94.4%），尤其是在识别个性化不足方面。
本文提出对稀疏混合专家（MoE）大语言模型进行个性化，通过训练 crosscoder 学习可解释的个性化隐变量，并利用因果干预验证这些隐变量及其关联专家足以复现个性化行为，相比稠密模型降低了多义性并实现了局部可定位的控制。
CarryOn 提出一个双循环框架，在冻结的视觉-语言-动作（VLA）策略之上加入持久化的个性化规划与执行监督，显著降低安全违规率并提升故障恢复成功率。
Facebook 将推出 Your Algorithm 功能，允许用户通过自然语言和"感兴趣/不感兴趣"标签直接定制自己的信息流与 Reels 推荐，Meta 表示已在其排序系统中更广泛地使用 LLM 实现实时个性化。
CraveLens 是一款 Chrome 扩展，利用设备端 AI 识别视频及网页选定区域中的食物，并为用户生成个性化的 Swiggy 购物车以供确认。该扩展现已在 Product Hunt 上线，免费使用，基于 Google Gemma 构建。