user-history

提出了 BehaveRec 三信号框架（因果会话 Transformer、90 天用户历史编码器、基于行为嵌入相似度的用户图 GraphSAGE），在 137M 条工业序列上研究长期行为历史何时真正有益于序列推荐，并得出约 20 次交互的实用部署阈值。

PersEvalBench 提出了一项基准测试，通过 403 个多情节场景，检验大语言模型评估器能否可靠地判断用户画像信息的使用是否符合上下文。研究发现，当前评估器的表现仍远逊于人类判断（63.9% 对比 94.4%），尤其是在识别个性化不足方面。

论文介绍了PersonaLink，一种无需训练的方法，它将用户历史蒸馏为有界人格，在分类任务上匹配检索，但在回归任务上不匹配，突显了任务类型的不对称性。