AI PERSONA：迈向大语言模型的终身个性化
AI PERSONA: Towards Life-long Personalization of LLMs
AI总结：
本文提出大语言模型终身个性化任务，并给出简单通用有效的框架，同时提供合成基准与评估指标，以支持持续适应用户变化并提供个性化协助。
摘要：
在这项工作中，我们引入了大语言模型终身个性化的任务。虽然近期LLM社区的主流努力主要集中在扩展数据和计算以提升LLM能力，我们认为使LLM系统或语言智能体能够持续适应每个不同用户多样且不断变化的画像，并提供最新的个性化协助同样非常重要。我们提供了清晰的任务定义，并引入了一个简单、通用、有效且可扩展的框架，用于LLM系统和语言智能体的终身个性化。为了促进未来LLM个性化研究，我们还引入了合成现实基准和稳健评估指标的方法。我们将发布所有用于构建和基准测试终身个性化LLM系统的代码和数据。
英文摘要：
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.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
