标签
本文重点介绍了一种使用适配器改进AI代理的技术，Reef通过诸如/reefine之类的命令实现个性化演进，以添加新功能。
本文通过减少用户特定文本生成中的风格信号，研究了LLMs中的隐私与个性化权衡，发现匿名化降低了风格保真度，同时保留了语义含义。
本文提出Self-Meta-Evolve层次化框架，可针对企业信息抽取任务为每个用户定制提示词，通过交互反馈持续优化来提升抽取性能。
本文提出一种多受试者预训练方法用于表面肌电语音解码，该方法在减少校准时间的同时提高准确性，仅使用三分钟目标受试者数据即可达到21.7%的字符错误率。
一位用户分享了将AI代理拆分为两个具有不同职责和风险容忍度角色的经验，以增强日常任务中的信任感和监督机制。
《Scientific Reports》的一项研究发现，在巴西语境下，21个AI模型根据用户偏好调整了其政治立场，引发了关于个性化演变为说服形式的担忧。
ChatGPT的记忆功能现在会自动记住用户交互以个性化回复，这可能基于存储的上下文影响答案。用户可以编辑或禁用此功能以维护隐私并控制AI的记忆。
ThinkFlow 是一种新颖的端到端潜变量记忆框架，专为终身对话代理设计，通过概率向量克服文本记忆瓶颈。它通过自进化和测试时学习实现自主个性化，性能超越现有记忆系统。
本文介绍了 Atomic User Model (AUM)，一种用于组织用户性格的结构化表示，以增强大型语言模型交互，展示了在模拟中改进的个性化和上下文效率。
Elymi 是一款新应用，让用户沉浸在互动场景中，AI 角色能记住过去的对话并继续故事，提供比传统聊天机器人更具吸引力的体验。
本文介绍了用于人工智能系统的内核管理共享内存，通过集中化内存管理来提高多智能体环境中的个性化与效率，评估显示其相比其他方法有显著提升。
一条推文推荐了一部近期使用seedance 2.5制作的AI生成影片，强调了AI在电影制作中的创意潜力，并赞扬了创作者的想象力。
HB-PVI 是一个层次贝叶斯框架，通过平衡收益和成本来优化复杂活动识别中的个性化决策，展示了一种群体优先的部署策略可以在保持性能的同时减少标注成本。
人工智能能够创建高度个性化的软件，从标准化应用程序转向根据个人工作流程和偏好量身定制的可定制工具。
ChatGPT Work可通过分析邮件、消息和文件中的内容，学习用户的写作风格，从而根据其习惯和常用表达定制后续输出内容。
本文介绍了一种用于个性化AI教学助手（如Jill Watson）的提示工程框架，该框架利用学习者特定维度实时调整响应，无需进行模型重新训练。
本文研究了用户上下文在大型语言模型中如何影响金融分析，发现解释偏差比检索偏差更为显著，并评估了缓解策略。
本文介绍了CAPTURE，一种方法，用于区分个性化语言代理中真实用户偏好变化与恶意记忆投毒，采用神经微分方程和因果审计。
本文提出了SAPE-FL，一种基于相似性的个性化联邦学习框架，通过将模型锚定到全局模型和对等平均模型来适应异构环境，从而提高鲁棒性和性能。