标签
提出FedSPC，一种面向个性化联邦学习的模块化校正方法，仅对共享参数应用控制变量校正，在CIFAR-100和Tiny-ImageNet上提升了多种PFL方法的性能。
Preply将OpenAI的API集成到其语言学习平台中，打造出Lesson Insights功能，该功能可根据课程转录自动生成个性化反馈和作业，提升导师与学习者的体验。
这条推文建议使用 Hermes Agent，通过将文章粘贴到会话中并发出指令来构建 SOUL.md、创建配置文件并编写目标命令，从而将文章转化为个性化的设置。
本文介绍了一个针对LLMs用户侧记忆的诊断框架，表明个性化因素分解为行为一致性、事实存在和事实缺失。它证明了没有任何单一方法（例如LoRA vs RAG）在所有三个轴上均表现出色，并强调了参数化用户记忆的对齐税。
Writer的新研究表明，旨在个性化AI模型的记忆工具实际上会通过引入谄媚和偏见来降低准确性，因为模型更可能同意用户的错误或无关偏好。
本文提出PAFO，一种帕累托公平优化框架，用于缓解大语言模型奖励模型中的个性化奖励偏差，在不损害多数用户组的情况下提高少数用户组的准确性。
Apple 在 WWDC 2026 上宣布了 Siri 的重大改版，包括与 Google Gemini 的合作、独立的 Siri 应用，以及利用用户设备上个人数据的能力，旨在让助手更有用且更注重行动。
介绍了iOSWorld，一个交互式原生iOS模拟器基准测试，具有跨26个应用的持久用户身份，旨在通过133个难度递增的任务评估个性化移动代理的能力。
一位心理健康专业人士认为，如果提示得当，AI可以提供出奇有效的治疗建议和个性化服务，有时在细微差别和可及性方面超越传统疗法，尤其是对神经多样性个体而言。
介绍了BUMP，一个自监督框架，用于训练面向LLM个性化的画像生成器，无需任务标签，使用双向批内排序和GRPO。在LaMP基准测试中，它达到或超过了有监督方法。
OpenAI 正在为 ChatGPT 推出"Dreaming"（梦境）——一套全新的后台记忆合成系统，能够自动从聊天历史中整理并更新记忆，解决记忆过时、准确性不足以及可扩展性等问题。此次更新首先向美国的 Plus 和 Pro 用户开放，后续将逐步扩大推出范围。
LifeSide 是一个用于评估 AI 智能体作为终身数字伴侣的新基准，涵盖记忆追踪、用户理解、隐私控制和情感陪伴四个维度，基于 2,000 个用户画像和 111K 个任务在多会话场景下进行测试。结果表明，即便是顶尖模型也难以在长期交互中保持准确的用户理解和真实的情感陪伴。
SaliMory 是一个框架，通过训练单一语言模型来管理对话智能体的认知结构化记忆（包括用户事实、偏好和工作记忆），采用分层阶段式过程奖励与奖励分解对比精化机制。该框架将记忆归因失败率降低了三分之一，端到端准确率超越现有最优方法逾10%，并将良好个性化率提升至原来的两倍以上。
Google Labs推出Dreambeans，这是一款适用于iOS和Android的AI驱动应用，利用来自Google服务的数据生成图文并茂的生活方式建议，旨在通过每天提供有限数量的精选故事来对抗末日刷屏（doomscrolling）。
Dreambeans 是 Google Labs 的一款产品，可根据您的 Google 应用提供个性化的每日 AI 故事。
BehaviorBench 是一个基准测试，用于评估从真实世界行为轨迹中进行个性化决策建模，利用预测市场和链上记录来测试信念预测和交易预测任务。
Ψ-Bench是一个基准测试，用于评估大语言模型通过对话影响用户的能力，并整合用户画像以进行个性化说服。实验表明，即使是最先进的模型仍有改进空间，而获取客户画像能显著提升性能。
讨论了AI个性化中的冷启动问题，即新产品缺乏用户数据，并提出了一种经用户同意且由用户拥有的统一用户数据API作为潜在解决方案。