AI PERSONA: Towards Life-long Personalization of LLMs

要約

この研究では、大規模な言語モデルを生涯にわたってパーソナライズするタスクを紹介します。
LLM コミュニティにおける最近の主流の取り組みは、LLM の機能を向上させるためのデータとコンピューティングのスケーリングに主に焦点を当てていますが、LLM システム (言語エージェント) が多様で常に変化するプロファイルに継続的に適応できるようにすることも非常に重要であると主張します。
すべての個別のユーザーに対応し、パーソナライズされた最新の支援を提供します。
私たちは、明確なタスクの定式化を提供し、LLM システムと言語エージェントの生涯にわたるパーソナライゼーションのための、シンプルで一般的、効果的でスケーラブルなフレームワークを導入します。
LLM パーソナライゼーションに関する今後の研究を促進するために、現実的なベンチマークと堅牢な評価指標を合成する方法も紹介します。
私たちは、生涯にわたってパーソナライズされた LLM システムを構築およびベンチマークするためのすべてのコードとデータを公開します。

要約(オリジナル)

In this work, we introduce the task of life-long personalization of large language models. While recent mainstream efforts in the LLM community mainly focus on scaling data and compute for improved capabilities of LLMs, we argue that it is also very important to enable LLM systems, or language agents, to continuously adapt to the diverse and ever-changing profiles of every distinct user and provide up-to-date personalized assistance. We provide a clear task formulation and introduce a simple, general, effective, and scalable framework for life-long personalization of LLM systems and language agents. To facilitate future research on LLM personalization, we also introduce methods to synthesize realistic benchmarks and robust evaluation metrics. We will release all codes and data for building and benchmarking life-long personalized LLM systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google