标签
前Spotify员工为Malachyte筹集了1000万美元。这家初创公司将Spotify的推荐AI（Vector AI）应用于电子商务，实现实时、意图感知的购物个性化。
本文针对良性及对抗性客户端异质性下的航空发动机剩余使用寿命预测，对联邦学习进行了受控研究，评估了个性化和拜占庭鲁棒聚合方法。研究发现，共享表示个性化缩小了本地与集中式准确率之间的绝大部分差距；使用Krum的鲁棒聚合能有效缓解后门攻击；将两者结合可形成组合防御，在攻击成功率较低的同时，仅付出较小的准确率代价。
一条推文描述了AI代理如何自动为销售潜在客户构建个性化落地页，大幅减少手动工作并提高回复率。
OpenHands 分享了一篇主张开发工具必须是开源的博客文章，重点介绍了“长期运行的分支”概念——智能体每晚合并上游更改，并演示了如何使用 OpenHands Agent Canvas 自动化来完成这个任务。
作者认为开发者工具必须是开源的，因为AI智能体使得个性化软件和自动将本地更改变基到上游发布变得切实可行，并以他们的智能体Shelley和meat.dev项目为例。
本文介绍了InMyStyle，一个隐私优先的系统，它在小型语言模型（0.5B–7B）上使用LoRA适配器，无需显式提示即可将AI编辑过的文本重写为符合个人用户写作风格的文本。评估显示，不同模型规模下质量趋于平稳，表明紧凑型模型足以胜任此任务。
Circles 正在使用 OpenAI 的 API 构建 AI 原生的电信技术栈，包括 AI Concierge 和多智能体 CareX 架构，实现了 22% 的 ARPU 提升和 65% 的客户支持自主解决率。
一篇观点文章，认为“个性化”推荐并非真正针对个人，而是基于行为聚类；同时，将同一套架构不加区分地应用于不同产品类别，是一种懒惰的AI设计。
This paper introduces a mathematical framework to study how reliance on shared LLMs for writing may reduce population-level linguistic diversity, analyzing fixed, recursive, and personalized interaction mechanisms and characterizing equilibria and convergence rates.
本文介绍了CAPA，一个用于编程助手中跨会话个性化歧义适应的基准测试，刻画了六种歧义机制，并在600个编码会话中评估了12个LLM，包括有无用户历史的情况。
介绍IRIS框架，该框架无需显式反馈即可从隐式交互流中学习动态用户画像，在决策预测上优于静态和仅记忆基线。
介绍了PALATE，一个可扩展的基准，用于评估角色扮演智能体，使用个性化对齐的LLM模拟用户和个性化评分标准，解决了固定历史评估的局限性。
Priceline 首席技术官 Sejal Amin 正利用 AI 转变旅行规划方式，通过理解客户意图、围绕产品重组工程团队，以及重新设计 AI 助手 Penny 以提供更个性化的推荐。
本文使用世界价值观调查（World Values Survey）测试不同的提示框架（个性化、角色扮演、第三人称预测）在从大语言模型中获取文化价值观时是否可互换。结果显示，提示框架显著影响模型响应和测量的文化对齐程度，其中第三人称预测在方向性对齐上表现最强。
本文首次对推理时无需训练的语言模型毒性敏感性个性化方法进行了比较评估，显示所有方法均能将对齐错误减少28-47%，但揭示了对齐效果、个性化与语言质量之间的权衡。
本文识别了个性化多模态大语言模型中的群体偏好坍塌问题，并提出了 PrefMoE，一种以偏好为中心的框架，该框架将个人资料信息与偏好分离，以改进个性化并减少坍塌。
本文提出OrchNAS，一种能量感知的个性化联邦边缘智能框架，该框架利用神经架构搜索服务自动为异构边缘环境设计服务自适应模型，解决能量约束和统计异质性问题。
PersonaTrail 是一个用于个性化网络代理的基准测试，它利用真实的浏览轨迹来评估代理推断用户偏好和回忆过去信息的能力。该论文还提出了 PACMem，一个在两项任务上都优于现有基线方法的内存框架。