标签
该研究探讨 LLM 如何结合用户的言语承诺（words）与历史决策记录（deeds）来预测用户在人机对话中的合作/背叛决策，发现 LLM 高度依赖声明的意图但几乎不受对手智能体人格特征影响，导致对被违背的承诺预测准确率大幅下降。
小红书（RedNote）研究团队发布 Vela 框架，将真实用户行为记录转化为训练任务与轨迹，通过监督微调和强化学习提升大语言模型在用户相关任务（+11.5 分）及通用基准（平均 +4 分）上的表现。
Vela提出以真实用户行为数据作为监督信号，将10万用户的匿名行为记录转化为可训练的任务与轨迹，用于微调Qwen3.6-35B-A3B。结果显示在用户相关任务上最高提升11.5分，通用基准平均提升4分，表明真实用户行为是可扩展的监督来源。
Anthropic 更新使用政策，禁止对 Claude 模型的辱骂行为，主要执法手段是结束对话而非封禁账户，但政策违规仍可能面临限流、暂停或终止账号等处罚。
谷歌通过AI Mode和AI Overviews等功能将AI整合到其搜索引擎中，这导致数百万用户在不经意间与AI互动，并改变了在线行为及对AI回复的信任。
《连线》杂志一篇文章探讨了人们用AI聊天机器人创作定制小说日益增长的趋势，并引用一项研究指出超过三分之一的ChatGPT交互涉及虚构内容生成。
本文强调用户经常未充分利用 iPhone 18 Pro Max 的高级功能，仅进行基本任务，并介绍了 11 项隐藏功能以释放其全部潜力。
AI观测站项目对真实AI对话进行独立分析，揭示实际使用情况与Anthropic和OpenAI等公司报告的数据有显著差异，突显了更多样化和敏感的行为。
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。