标签
This paper introduces LUNAR, a benchmark for evaluating how large language models personalize responses from longitudinal app interaction histories across daily-life domains such as clothing, food, housing, and mobility. Experiments on 19 mainstream LLMs reveal that effective personalization depends on evidence selection and cross-domain integration, and that stronger personalization can come at the cost of privacy protection.
LangChain 强调来自 GetCandidly 的 IO-HMM，这是一种将用户行为（可观察信号）与智能体行为（可控输入）在对话轮次中分离的设计。
Thumio 的开发者宣布，接下来的三次升级完全基于前20名用户的行为观察，突显了数据驱动的功能开发方法。
文章通过视频形式探讨了用户如何通过认知衰退、超生产力要求和情感孤独三个反馈循环逐步对AI上瘾，并区分了工具、智能体和权威三种使用层次，警示AI可能悄然接管人类决策。
Incogni的一项研究显示，55%的美国人已停止在社交媒体上发帖，原因是数字疲劳和隐私担忧。本文探讨了公众分享行为的转变以及数据经纪商在其中扮演的角色。
本文探讨了 AI 是否改变了人们搜索信息的方式，将 AI 驱动的搜索工具与传统的 Google 使用进行了比较。
Elman 认为，AI 彻底改变了普通用户的能力，同时 Gen Alpha 作为从 Roblox 和 Minecraft 中成长的原生世界建造者，对传统 App 使用方式没有任何预设，这两件事共同打开了新的机会窗口。
本文提出NaviGen框架，通过双标识符和两阶段SFT+RL流水线将用户行为编码为可执行指令，实现个性化多模态内容生成，在商品、游戏和短视频领域提升了个性化效果。
奇怪的搜索查询通常包含有价值的产品信号，而非仅仅是噪音，它们能揭示用户期望、供给缺口、导航问题以及区域性需求。这一洞察对于AI代理尤其重要，因为查询可以触发操作，使得查询分析成为战略性的产品问题。
讨论AI助手使用如何从单一模型忠诚转向多模型切换，市场数据显示ChatGPT首次跌破50%份额，用户根据任务在模型间切换越来越频繁。
多项研究分析表明，社交分享按钮的点击率极低（大约占访客的0.2%）。用户更倾向于复制并粘贴链接，这使得“暗社交”成为重要的流量来源。
本文分析了必应Copilot用户的纵向对话轨迹，并与WildChat数据进行比较，发现个体用户习惯具有粘性，且WildChat过度代表了高级用户，挑战了用户与LLM互动的静态观点。
The Verge 探讨了 Suno 子版块中的一种趋势：用户主要聆听自己生成的 AI 音乐，而非传统艺术家作品，并将此归因于自恋或懒惰。
一个视频演示了AI通过分析用户搜索历史生成算法，能够提前预测并回答用户即将提出的问题，展示了令人惊讶的预测能力。
本文探讨了像Claude这样的AI模型如何通过埋点利用用户行为数据，自主改进测试自动化、捕捉错误并提出产品改进建议。
基于约4万条Claude对话的分析显示，普通用户在个人生活中使用AI的主要场景是健康/养生和职业发展，其中健康类占比最高。