WeMusic-Agent: Efficient Conversational Music Recommendation via Knowledge Internalization and Agentic Boundary Learning
WeMusic-Agent通过知识内化和代理边界学习，实现高效对话音乐推荐，提升个性化和多样性。
2025-12-18 cs.AI
Improving Search through A3C Reinforcement Learning based Conversational Agent
Adobe Systems Inc（奥多比系统公司）；IIT Delhi（印度理工学院德里分校）
我们开发了一个基于强化学习的搜索助手，它可以通过一组动作和一系列交互来帮助用户实现他们的意图。我们的方法迎合主观搜索，用户正在寻找数字资产，如图像，这是从根本上不同的任务，具有客观和有限的搜索方式。标记的会话数据通常在这样的搜索任务中不可用，并且通过人类交互来训练代理可能是耗时的。我们提出了一个随机虚拟用户模拟一个真实的用户，可以用来有效地采样用户的行为，训练代理，加快了自举代理。我们开发了基于A3C算法的上下文保持体系结构，使代理提供上下文的帮助给用户。我们将A3C代理与Q学习进行比较，并评估其在验证事件中与虚拟用户获得的平均奖励和状态值上的性能。我们的实验表明，智能体学习获得更高的奖励和更好的状态。
2018-08-19 cs.AI
Factual and Personalized Recommendations using Language Models and Reinforcement Learning
Google Research（谷歌研究院）
本文提出P4LM语言模型，结合强化学习与联合奖励函数，生成基于事实且个性化的电影推荐叙述，并在MovieLens 25M数据集上验证其有效性。
2023-10-09 cs.AI
Personalized Dynamic Difficulty Adjustment -- Imitation Learning Meets Reinforcement Learning
Faculty of EECS Leibniz University Hannover Hannover, Germany
针对电子游戏难度与玩家技能不匹配影响体验的问题，提出结合模仿学习与强化学习的双智能体框架，用于格斗游戏场景下的个性化动态难度调整。
2024-08-13 cs.AI
Personalized Path Recourse for Reinforcement Learning Agents
Yale University, School of Management（耶鲁大学管理学院）
本研究提出面向强化学习智能体的个性化路径追索方法，通过兼顾目标、相似性与个性化的奖励函数训练智能体生成适配不同行为模式的追索路径，可用于多场景下的序列修正优化以实现预期目标。
2024-11-03 cs.AI cs.LG
Document-editing Assistants and Model-based Reinforcement Learning as a Path to Conversational AI
University of Guelph（圭尔夫大学）；Vector Institute for Artificial Intelligence（向量人工智能研究院）；University of Alberta（阿尔伯塔大学）；Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究院）
遵循命令或回答简单问题的智能助手，如Siri和谷歌搜索，是人工智能最具经济意义的应用之一。未来的对话式人工智能助手通过对领域、用户或用户目的的更深入理解，有望提供更强大的功能和更好的用户体验。但是，什么领域和什么方法最适合研究和实现这一承诺？在这篇文章中，我们主张的领域的语音文档编辑和基于模型的强化学习的方法。语音文档编辑的主要优点是，域的范围很窄，并且它为对话提供了一些关于（文档）的内容，这些内容是分隔的，并且智能助理可以完全访问。一般来说，强化学习的优点是，它的方法被设计成在没有明确指令的情况下从交互中学习，并且它使助手的目的形式化。需要基于模型的强化学习来真正理解话语领域，从而与用户有效地合作以实现他们的目标。语音文档编辑和基于模型的强化学习共同构成了实现会话AI的一个有前途的研究方向。
2020-08-27 cs.AI cs.HC cs.LG
AdaptJobRec: Enhancing Conversational Career Recommendation through an LLM-Powered Agentic System
AdaptJobRec提出首个LLM驱动的智能体对话式职业推荐系统，通过查询复杂度识别与记忆分解机制，在沃尔玛场景中降低53.3%延迟并提升推荐准确性。
2025-10-14 cs.AI cs.IR
Characterizing Policy Divergence for Personalized Meta-Reinforcement Learning
Harvard University（哈佛大学）
尽管昂贵的探索和有限的轨迹数据带来了充足的动力，但使用Few-Shot强化学习（RL）快速适应新环境仍然是一项具有挑战性的任务，特别是在个性化设置方面。在这里，我们考虑的问题，建议最佳政策的一组多个实体，每个潜在的不同的特点，使个别实体可能parameterized独特的环境与独特的过渡动态。受元学习现有文献的启发，我们扩展了以前的工作，专注于某些环境在个性化设置中比其他环境更相似的概念，并提出了一种无模型的元学习算法，该算法在基于梯度的适应过程中通过相关性优先考虑过去的经验。我们的算法涉及通过逆强化学习中的方法来表征过去的策略分歧，并且我们说明了这些指标如何能够通过它们所部署的环境来有效地区分过去的策略参数，从而在测试期间实现更有效的快速适应。为了更有效地研究个性化，我们引入了一个导航测试平台，专门将环境多样性纳入训练集，并证明我们的方法在个性化设置中优于Few-Shot强化学习。
2020-10-09 cs.AI cs.LG
On the Convergence Theory of Meta Reinforcement Learning with Personalized Policies
Tianjin University（天津大学）；Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
现代Meta强化学习（Meta-RL）方法主要是基于模型无关元学习开发的，其在任务之间执行策略梯度步骤以最大化策略性能。然而，Meta-RL中的梯度冲突问题仍然知之甚少，这可能会导致性能下降时，遇到不同的任务。为了解决这一问题，提出了一种新的个性化元强化学习（pMeta-RL）算法，该算法聚合特定于任务的个性化策略来更新用于所有任务的元策略，同时在元策略约束下保持个性化策略以最大化每个任务的平均回报。我们还提供了理论分析下的表格设置，这表明我们的pMeta-RL算法的收敛性。此外，我们将所提出的pMeta-RL算法扩展到基于软演员-评论家的深度网络版本，使其适用于连续控制任务。实验结果表明，该算法在Gym和MuJoCo上的性能优于其他Meta-RL算法。
2022-09-21 cs.AI cs.LG
Reinforcement Learning with Intrinsic Affinity for Personalized Prosperity Management
Sparebank 1 SR-Bank；Center for Artificial Intelligence Research（人工智能研究中心）；University of Agder（阿格德大学）
将强化学习（RL）应用于资产管理的共同目的是利润最大化。用于学习最优策略的外部奖励函数通常不考虑任何其他偏好或约束。我们已经开发了一种正则化方法，该方法确保策略具有全局内在亲和力，即，不同的个性可能对某些资产具有偏好，这些偏好可能随时间而改变。我们利用这些内在的政策亲和力，使我们的强化学习模型内在地可解释。我们演示了如何可以训练RL代理，以协调这种个人政策，为特定的个性配置文件，仍然实现高回报。
2022-07-27 cs.AI cs.LG
Personalized Observation Normalization for Federated Reinforcement Learning in Simulation Environments with Heterogeneity
Department of Electrical Engineering \& Computer Science Florida Atlantic University Boca Raton, FL, USA
针对联邦强化学习在异构环境中状态转移动力学差异导致输入分布不一致和参数更新不平衡的问题，提出个性化观测归一化方法，通过各智能体本地维护运行均值和方差对原始状态输入进行归一化，加速训练并提升性能。
2026-04-10 cs.AI cs.LG
Exploration-Driven Personalized Federated Reinforcement Learning via Intrinsic Motivation
本研究提出EDPFRL-IM框架，将内在动机探索与随机网络蒸馏引入个性化联邦强化学习，在保护客户端隐私的同时，提升了延迟和稀疏奖励场景下的策略个性化与样本效率。
2026-08-12 cs.AI cs.LG
A Personalized Reinforcement Learning Summarization Service for Learning Structure from Unstructured Data
Macquarie University（麦考瑞大学）；W.W. Grainger（固安捷）
针对传统摘要难以个性化且缺乏结构的问题，提出 Summation 分层概念摘要框架，利用强化学习适应用户偏好并生成个性化概念图。
2023-07-09 cs.AI cs.CL cs.IR
Personalized Federated Hypernetworks for Privacy Preservation in Multi-Task Reinforcement Learning
University of California, Berkeley（加州大学伯克利分校）
多智能体强化学习目前专注于所有数据和训练都可以集中到一台机器上的实现。但是，如果本地代理被划分为多个任务，并且需要在每个任务之间保持数据私有，该怎么办？我们开发了个性化联邦超网络（PFH）的强化学习（RL）的第一个应用程序。然后，我们提出了一种新的应用PFH的Few-Shot转移，并证明了显着的初始增加学习。PFH从来没有被证明超过监督学习基准，所以我们将PFH应用到一个重要的领域：RL能源需求响应的价格设定。我们考虑一个一般的情况下，代理人被分割在多个微电网，其中能源消耗数据必须保持在每个微电网的私人。总之，我们的工作探索了个性化联邦学习和RL领域如何结合在一起，使学习在多个任务中有效，同时保持数据安全。
2022-10-19 cs.AI cs.LG cs.SY
AURA: A Reinforcement Learning Framework for AI-Driven Adaptive Conversational Surveys
University of Missouri, Department of Electrical Engineering and Computer Science（密苏里大学电子工程与计算机科学系）
AURA框架利用强化学习和四维LSDE回答质量指标，通过epsilon-greedy策略在会话内动态选择追问类型，将静态问卷转化为自适应、自我改进的对话式调查系统，并在评估中显著优于非自适应基线。
2026-11-09 cs.AI cs.HC cs.LG
PersRM-R1: Enhance Personalized Reward Modeling with Reinforcement Learning
King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）；University of Science and Technology of China（中国科学技术大学）；University of Hamburg（汉堡大学）；University College London（伦敦大学学院）
针对现有奖励模型（RMs）难以捕捉有限数据下用户特定偏好的问题，提出首个基于推理的PersRM-R1框架，结合合成数据生成与两阶段训练（监督+强化微调），实现从少量示例识别个人因素，性能优于同规模模型且比肩大模型。
2025-08-12 cs.AI cs.LG
Personalized Decision Supports based on Theory of Mind Modeling and Explainable Reinforcement Learning
University of Pittsburgh（匹兹堡大学）；Carnegie Mellon University（卡内基梅隆大学）
本研究提出结合心智理论建模与可解释强化学习的个性化决策支持系统，通过DRL提供建议、ToM预测用户行为以把握干预时机，并用反事实解释增强可解释性，在模拟团队决策众包实验中表现优于基线，且具备广泛应用潜力。
2023-12-13 cs.AI cs.HC cs.LG
Personalized HeartSteps: A Reinforcement Learning Algorithm for Optimizing Physical Activity
University of Michigan（密歇根大学）；IBM Research（IBM研究院）；Harvard University（哈佛大学）
随着移动健康技术的发展，健康科学家对开发及时适应性干预（JITAI）越来越感兴趣，JITAI通常通过移动终端上的通知提供，旨在帮助用户预防负面健康结果，并促进健康行为的采用和维持。JITAI涉及一系列决策规则（即，治疗策略），其将用户的当前上下文作为输入，并指定此时是否应该提供干预以及应该提供什么类型的干预。在本文中，我们开发了一种强化学习（RL）算法，该算法在从用户收集数据时不断学习和改进JITAI中嵌入的治疗策略。这项工作的动机是我们在HeartSteps V2中基于HeartSteps V1的数据设计RL算法的合作。HeartSteps是一个身体活动移动健康应用程序。本文开发的RL算法正在HeartSteps V2中使用，每天五次，以决定是否提供上下文定制的活动建议。
2019-09-08 cs.AI cs.LG
Personalizing a Dialogue System with Transfer Reinforcement Learning
The Hong Kong University of Science and Technology（香港科技大学）
训练个性化的面向任务的对话系统是困难的，因为从每个个体收集的数据通常是不足的。在小数据集上训练的个性化对话系统可能会过度适应，难以适应不同的用户需求。解决该问题的一种方法是将多个用户的数据的集合视为源域，将单个用户的数据视为目标域，并且执行从源域到目标域的迁移学习。基于这一思想，我们提出了“PETAL”（Personalized Task-oriented diALogue），一个基于POMDP的迁移学习框架来学习个性化的对话系统。该系统首先从源域学习共同的对话知识，然后将这些知识适应目标用户。该框架考虑了源用户和目标用户之间的差异，避免了负迁移问题。个性化POMDP中的策略可以学习为不同的用户适当地选择不同的动作。在真实咖啡购物数据和仿真数据上的实验结果表明，该个性化对话系统能够针对不同用户选择不同的最优动作，从而有效地提高了个性化设置下的对话质量。
2017-05-26 cs.AI cs.CL cs.LG
Learning Personalized Discretionary Lane-Change Initiation for Fully Autonomous Driving Based on Reinforcement Learning
Institute of Industrial Science（产业技术研究所）；The University of Tokyo（东京大学）
提出了一种通过人机交互学习全自动车辆自主换道启动的个性化策略的新方法。采用强化学习技术来学习如何从交通环境、自动驾驶车辆的动作和车载用户反馈中启动车道变更，而不是从人类驾驶演示中学习。建议的离线算法奖励的行动选择策略时，用户给予积极的反馈和惩罚时，负反馈。此外，多维驾驶场景被认为是代表一个更现实的车道变化的权衡。结果表明，该方法得到的换道启动模型能够再现个性化的换道策略，且定制模型的性能（平均准确率为86.1%）明显优于非定制模型（平均准确率为75.7%）.这种方法允许在完全自动驾驶期间持续改进用户的定制，即使没有人类驾驶经验，这将显著提高用户对自动驾驶车辆高水平自主性的接受程度。
2020-10-29 cs.AI cs.HC cs.LG
Effective Personalized AI Tutors via LLM-Guided Reinforcement Learning
University of Pennsylvania（宾夕法尼亚大学）；National Taiwan University（台湾大学）
本研究设计了集成大语言模型聊天机器人与强化学习算法的个性化AI辅导平台，经十所高中的五个月课程验证，其自适应编排练习题可提升学生Python成绩0.15个标准差，且成绩提升源于参与度提高。
2026-08-19 cs.AI cs.CY
Drive As You Like: Multi-Head Diffusion with Reinforcement Learning for Personalized Driving
School of Information Technology, Monash University Malaysia（墨尔本大学马来西亚分校信息科技学院）；Southwest University, China（西南大学）
研究旨在解决自动驾驶规划器忽视人类驾驶行为多样性及难以理解用户意图的问题。提出基于强化学习的多策略框架，集成多头部扩散规划器与语义理解，采用两阶段训练范式。实验表明该方法在nuPlan基准测试中性能良好，能满足实时规划并对齐用户意图。
2026-10-16 cs.AI cs.RO
Hierarchical Reinforcement Learning for Open-Domain Dialog
Harvard University（哈佛大学）；MIT Media Lab（麻省理工学院媒体实验室）
开放域对话生成是一个具有挑战性的问题;最大似然训练可能导致重复输出，模型难以跟踪长期对话目标，并且在标准电影或在线数据集上进行训练可能导致生成不适当的，有偏见的或冒犯性的文本。强化学习（RL）是一个强大的框架，可以潜在地解决这些问题，例如通过允许对话模型优化以减少毒性和重复性。然而，以前将RL应用于开放域对话生成的方法是在单词级别进行的，这使得模型难以学习适当的信用分配以获得长期的会话奖励。在本文中，我们提出了一种新的方法，分层强化学习，VHRL，它使用策略梯度调整的话语级嵌入的变分序列模型。这种分层方法为学习长期的会话奖励提供了更大的灵活性。我们使用自我发挥和强化学习来优化一组以人为中心的对话指标，并表明我们的方法提供了显着的改进-在人类评估和自动指标方面-超过最先进的对话模型，包括Transformers。
2019-12-31 cs.AI cs.LG stat.ML
EyeFormer: Predicting Personalized Scanpaths with Transformer-Guided Reinforcement Learning
Aalto University（阿尔托大学）；Nokia Technologies（诺基亚技术公司）；University of Luxembourg（卢森堡大学）
针对现有模型无法预测个体扫描路径的问题，提出EyeFormer模型，利用Transformer引导的深度强化学习算法，基于少量样本预测个性化注视位置与持续时间的完整扫描路径，并应用于GUI布局优化。
2024-04-21 cs.AI cs.CV cs.HC
Personalized Lane Change Decision Algorithm Using Deep Reinforcement Learning Approach
Zhejiang University（浙江大学）
为了开发面向人类的驾驶自动化技术，必须采用以人为本的方法，以确保安全和满意的用户体验。在密集的高速公路交通中，自动变道决策是具有挑战性的，特别是在考虑不同驾驶员的个性化偏好时。为了实现以人类驾驶员为中心的决策算法开发，我们在6自由度驾驶模拟器上进行了驾驶员在环实验。通过对三种不同类型驾驶员换道数据的分析，选取个性化指标来描述驾驶员换道决策的偏好。在此基础上，采用深度强化学习（RL）方法设计了用于自动变道决策的类人智能体，并通过细化的奖励和损失函数来捕捉驾驶员的偏好，在双车道公路驾驶场景中对训练好的RL智能体和基准智能体进行了测试，通过比较智能体与特定驾驶员在相同的变道初始状态下的行为，统计结果表明，该算法能够保证车道变换决策偏好的较高一致性。驾驶员个性化指标和基于RL的车道变换决策算法有望为自动车道变换系统的开发做出贡献。
2021-12-17 cs.AI cs.RO cs.SY
Simulation-Based Benchmarking of Reinforcement Learning Agents for Personalized Retail Promotions
Bain & Company, Inc.（贝恩公司）；New York University（纽约大学）
本文构建零售客户购物行为仿真环境，用于优惠券定向投放强化学习智能体基准测试，通过离线批量数据缓解购买事件稀疏问题，实验验证低过拟合的上下文赌博机与深度RL方法优于静态策略，提供零售全旅程AI仿真框架。
2024-05-16 cs.AI cs.LG econ.EM
Survey on reinforcement learning for language processing
本文综述了强化学习在自然语言处理任务中的应用，重点探讨对话系统中的方法、优势与局限，并提出未来研究方向。
2022-03-15 cs.AI cs.CL cs.LG
A Personalized Conversational Benchmark: Towards Simulating Personalized Conversations
University of Southern California（南加州大学）；Adobe Research（Adobe研究院）；University of California, San Diego（加州大学圣地亚哥分校）；Intel AI Research（英特尔人工智能研究）；University of Maryland, College Park（马里兰大学学院市分校）；Vanderbilt University（范德比大学）；Virginia Polytechnic Institute and State University（弗吉尼亚理工学院和州立大学）；University of Notre Dame（诺特丹大学）；University of Oregon（俄勒冈大学）；University of Illinois Chicago（伊利诺伊大学芝加哥分校）；Arizona State University（亚利桑那州立大学）
本文提出PersonaConvBench基准，整合个性化与对话结构，通过三个核心任务评估LLM在个性化多轮对话中的推理与生成能力，实验显示融入个性化历史可带来显著性能提升。
2025-05-25 cs.AI cs.CL
Towards Personalized Conversational Sales Agents: Contextual User Profiling for Strategic Action
Yonsei University（延世大学）
本文提出对话式销售任务CSALES及智能体CSI，通过推断上下文用户画像并策略性选择行动，在统一框架中整合偏好挖掘、推荐与说服，显著提升推荐成功率和说服效果。
2025-08-07 cs.AI cs.IR
PlanFitting: Personalized Exercise Planning with Large Language Model-driven Conversational Agent
University of Washington（华盛顿大学）；NAVER AI Lab（NAVER人工智能实验室）
本研究针对个性化运动计划制定成本高、难获取的问题，提出由大语言模型驱动的对话智能体PlanFitting，通过自由对话挖掘用户需求以生成符合运动指南的个性化周计划，经多维度评估验证其有效性，并探讨了未来设计方向。
2025-05-19 cs.AI cs.CL cs.HC
An End-to-End ML System for Personalized Conversational Voice Models in Walmart E-Commerce
Walmart Labs（沃尔玛实验室）
由于推荐系统的发展，在电子商业领域搜索产品和做出产品决策变得越来越容易。个性化和推荐系统已经携手帮助客户满足他们的购物需求，并在此过程中改善他们的体验。随着购物对话平台的日益普及，大规模构建个性化模型以处理大量涌入的数据并实时执行推理变得非常重要。在这项工作中，我们提出了一个端到端的个性化会话语音商务机器学习系统。我们包括对模型的隐式反馈，模型训练，更新评估和实时推理引擎的组件。我们的系统为沃尔玛杂货店的客户提供个性化的语音购物，目前可通过Google Assistant，Siri和Google Home设备使用。
2020-11-02 cs.AI cs.IR cs.LG
A Personalized System for Conversational Recommendations
Kaidara Software Inc.（凯达拉软件公司）；Institute for the Study of Learning and Expertise（学习与专长研究所）
随着信息量和选择数量的增加，搜索信息和做出关于信息的决策变得越来越困难。推荐系统帮助用户找到特定类型的感兴趣的项目，例如电影或餐馆，但使用起来仍然有些笨拙。我们的解决方案是利用个性化推荐系统和对话系统的互补优势，创建个性化助手。我们提出了一个系统-自适应的地方顾问-把项目选择作为一个互动的，对话的过程中，与项目属性和用户响应的程序查询。个人的、长期的用户偏好在正常的推荐对话过程中不引人注目地获得，并用于指导与同一用户的未来对话。我们提出了一种新的用户模型，影响项目搜索和在对话中提出的问题。我们证明了我们的系统的有效性，在显着减少所需的时间和数量的互动，找到一个满意的项目，相比控制组的用户与非自适应版本的系统进行交互。
2011-06-30 cs.AI cs.IR
Providing personalized Explanations: a Conversational Approach
Zhejiang University（浙江大学）；University of Bern（伯尔尼大学）；Utrecht University（乌得勒支大学）
本文提出了一种通过连续对话为不同背景的用户提供个性化解释的方法，并证明了对话终止的条件。
2023-07-21 cs.AI cs.LO cs.MA
Audrey: A Personalized Open-Domain Conversational Bot
University of Michigan（密歇根大学）
会话智能要求一个人在信息、个人和关系层面上参与。自然语言理解的进步帮助最近的聊天机器人在信息层面上成功对话。然而，目前的技术仍然落后于与人类在个人层面上交谈，并与他们完全相关。密歇根大学提交给Alexa Prize Grand Challenge 3的Audrey是一个开放领域的对话聊天机器人，旨在通过由客户个性和情感指导的兴趣驱动对话来吸引这些级别的客户。Audrey是从社会感知模型（如情感检测和个人理解模块）构建的，以更深入地了解用户的兴趣和愿望。我们的架构使用知识驱动的响应生成器和上下文驱动的神经响应生成器之间的混合方法与客户交互，以满足所有三个级别的对话。在半决赛期间，我们在1-5 Likert量表上获得了3.25的平均累积评分。
2020-11-11 cs.AI cs.CL
PENTATRON: PErsonalized coNText-Aware Transformer for Retrieval-based cOnversational uNderstanding
Amazon（亚马逊）
会话理解是现代智能设备的组成部分。在来自使用智能数字助理的客户的大部分全球流量中，对话中的摩擦可能归因于对客户查询中的实体的不正确理解，这是由于包括模糊提及、发音错误、背景噪声和设备上错误的信号处理等因素造成的。这种错误由于智能设备的两个常见缺陷而变得复杂，即（1）设备不是针对个人客户定制的，以及（2）设备响应不知道对话会话中的上下文。通过基于检索的搜索引擎的镜头查看这个问题，我们建立和评估一个可扩展的实体校正系统，PENTATRON。该系统利用基于参数转换器的语言模型来从会话中客户-设备交互中学习模式，该会话中客户-设备交互与非参数个性化实体索引相耦合以计算正确的查询，这有助于下游组件推理最佳响应。除了建立基线和展示个性化和上下文感知系统的价值外，我们还使用多任务处理来学习正确实体的域。我们还研究了语言模型提示的效用。通过大量的实验，我们显示了一个显着的向上移动的关键指标（精确匹配）高达500.97%（相对于基线）。
2022-10-22 cs.AI cs.LG
IceBreaker for Conversational Agents: Breaking the First-Message Barrier with Personalized Starters
ByteDance（字节跳动）
本文提出IceBreaker，通过生成个性化开场白帮助对话代理克服用户初始对话时的障碍，提升用户活跃度和点击率。
2026-04-20 cs.AI cs.CL
PrivacyBench: A Conversational Benchmark for Evaluating Privacy in Personalized AI
International Institute of Information Technology Hyderabad（国际信息科技研究所（海得拉巴））；Indiana University（印第安纳大学）
PrivacyBench通过多轮对话评估揭示RAG助手在隐私保护上的缺陷，指出需结构性隐私保障措施以确保伦理网络环境。
2025-12-31 cs.AI cs.CL
SafeCRS: Personalized Safety Alignment for LLM-Based Conversational Recommender Systems
University of Illinois at Chicago（伊利诺伊大学芝加哥分校）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Amazon（亚马逊）
SafeCRS通过整合安全监督微调与安全组奖励解耦归一化策略优化，提升基于大语言模型的对话推荐系统在个性化安全约束下的推荐质量与安全对齐能力。
2026-07-28 cs.AI cs.CL cs.IR
CFDA & CLIP at TREC iKAT 2025: Enhancing Personalized Conversational Search via Query Reformulation and Rank Fusion
National Chengchi University（国立成功大学）
本文针对 TREC iKAT 2025 的交互式与离线任务，提出基于查询改写、Best-of-N 选择和 RRF 排序融合的检索流水线，在提升鲁棒性的同时揭示了效果与效率的权衡。
2025-09-19 cs.AI cs.IR
OP-Bench: Benchmarking Over-Personalization for Memory-Augmented Personalized Conversational Agents
Harbin Institute of Technology（哈尔滨工业大学）
OP-Bench通过评估多种模型和方法，揭示了内存增强对话代理中过个性化问题的普遍性，并提出Self-ReCheck机制以缓解该问题。
2026-09-29 cs.AI cs.CL
ES-MemEval: Benchmarking Conversational Agents on Personalized Long-Term Emotional Support
Tongji University（同济大学）
ES-MemEval通过评估长期情感支持中的记忆能力，揭示了显式长期记忆对减少幻觉和提升个性化的重要性，同时指出了检索增强模型在时间动态方面的局限性。
2026-02-02 cs.AI cs.CL
Learning User-Aware Recall: Personalized Retrieval in Long-Term Conversational Memory
Baidu Inc.（百度公司）；The University of Queensland（昆士兰大学）
提出PPRO框架，通过用户画像引导的排序和基于GRPO的查询重写，实现个性化记忆检索，在LoCoMo和LongMemEval-S上取得一致提升。
2026-07-03 cs.AI cs.CL cs.IR
Provably Efficient Personalized Multi-Objective Bandits with Proactive Conversational Queries
The Ohio State University（俄亥俄州立大学）；University at Buffalo（布法罗大学）
提出MO-PQUCB算法，通过主动查询获取用户偏好信号，结合Plackett-Luce模型和正则化UCB，解决多目标老虎机中偏好与奖励的耦合问题，实现更优的遗憾界。
2026-08-18 cs.AI cs.LG
CPED: A Large-Scale Chinese Personalized and Emotional Dialogue Dataset for Conversational AI
South China University of Technology（华南理工大学）；UBTECH Robotics Corp（优必选科技股份有限公司）；Tsinghua University（清华大学）
人类的语言表达是基于情景的主观联想而不是客观真实条件，这意味着说话人的个性和情感经过认知加工后对会话有着重要的影响。然而，大多数现有的会话人工智能数据集忽略了人类的个性和情感，或者只考虑其中的一部分。虽然大规模的预训练语言模型已经得到广泛的应用，但是对话系统很难理解说话人的个性和情感。为了在会话生成过程中同时考虑个性和情感因素，本文提出了一个大规模的中文个性化情感会话数据集--CPED，该数据集包含了与移情和个人特征相关的多源知识。这些知识包括性别，大五人格特质，13种情感，19种对话行为和10种场景。CPED包含来自40个电视节目的392个扬声器的超过12 K对话。我们根据视频平台的版权声明、隐私问题、服务条款发布包含音频特征和视频特征的文本数据集。我们提供了CPED构建过程的详细描述，并介绍了会话AI的三个任务，包括个性识别，会话中的情感识别以及个性化和情感会话生成。最后，我们为这些任务提供了基线系统，并考虑了说话者的个性和情感在会话中的作用。我们的动机是提出一个被NLP社区广泛采用的数据集，作为对话式AI研究的新开放基准。完整的数据集可在https://github.com/scutcyr/CPED上获得。
2022-05-29 cs.AI cs.CL cs.HC
WHAT, WHEN, and HOW to Ground: Designing User Persona-Aware Conversational Agents for Engaging Dialogue
SK Telecom（SK电讯）；University of Southern California（南加州大学）
本文针对个性化开放域对话中的 WWH 问题，提出加权数据集混合、负向画像信息增强和响应类型标签等方法，在保持对话流畅性的同时提升 grounded 响应的可控性与可解释性。
2023-07-03 cs.AI cs.CL
On Memory Construction and Retrieval for Personalized Conversational Agents
Tsinghua University（清华大学）；Microsoft Corporation（微软公司）
针对长期对话中记忆检索的局限性，提出SeCom方法，通过对话分割模型在片段级别构建记忆库并应用基于压缩的去噪机制，显著提升了个性化对话的记忆检索准确性与整体性能。
2025-03-03 cs.AI cs.CL
One Size doesn't Fit All: A Personalized Conversational Tutoring Agent for Mathematics Instruction
School of Computer Science, Wuhan University（武汉大学计算机学院）；DAMO Academy, Alibaba Group（阿里巴巴达摩院）；College of Computer and Cyber Security, Hebei Normal University（河北师范大学计算机与网络空间安全学院）
针对数学教学中学习者差异被忽视的问题，本文提出 PACE 个性化对话辅导智能体，结合学习风格画像、苏格拉底式反馈与个性化训练，提升教学适应性和学习效果。
2025-02-19 cs.AI cs.CL
Enhancing Personalized Multi-Turn Dialogue with Curiosity Reward
Google DeepMind（谷歌DeepMind）；University of Washington（华盛顿大学）；Google Research（谷歌研究）；University of California, Berkeley（伯克利加州大学）
针对现有多轮对话个性化依赖用户历史、传统RLHF共情适配不足的问题，提出融入好奇心内在奖励的多轮RLHF方法，可主动推断用户特征，在推荐与教育场景提升个性化效果与泛化能力。
2025-10-02 cs.AI cs.CL
Generative LLM Powered Conversational AI Application for Personalized Risk Assessment: A Case Study in COVID-19
Wayne State University（韦恩州立大学）；Penn State College of Medicine（宾夕法尼亚州立大学医学院）
本研究提出基于生成式LLM的流式对话风险评估方法，通过微调Llama2-7b和Flan-t5-xl构建移动应用，实现无代码COVID-19严重程度评估，在低数据场景下表现优于传统分类器并提供可解释性。
2024-09-23 cs.AI cs.CL
Reinforcement Learning for Conversational Question Answering over Knowledge Graph
本文提出用强化学习解决法律知识库对话式问答中输入问题含噪声、表达不明确导致难以定位答案的问题，并在多个真实数据集上验证了有效性。
2024-01-16 cs.AI cs.CL
Federated Natural Language Generation for Personalized Dialogue System
University of California, Santa Barbara（加州大学圣塔芭芭拉分校）；Tencent（腾讯）；Carnegie Mellon University（卡内基梅隆大学）
神经会话模型长期以来一直存在不一致和缺乏连贯个性的问题。为了解决这个问题，基于人物的模型捕捉个人特征已经提出，但他们仍然面临着模型适应性和数据隐私的困境。为了打破这一困境，我们提出了一种新的联邦自然语言生成（FedNLG）框架，学习个性化的表示，从各种数据集上的分布式设备，从而实现个性化的对话系统有效和安全。FedNLG首先在大型对话语料库上预训练标准神经会话模型的参数，然后以联邦方式在特定数据集上微调模型参数和人物角色嵌入。该模型可以同时学习本地客户端的角色嵌入和通过联邦聚合学习共享的模型参数，达到准确性和隐私性的平衡。通过大量的实验，我们通过在Cornell Movie-Dialogs语料库上对模型进行预训练和在两个电视剧数据集上对模型进行微调来证明我们的模型的有效性。
2021-10-13 cs.AI cs.CL
Conversational Recommendation System using NLP and Sentiment Analysis
Pune Institute of Computer Technology（浦那计算机技术学院）
本文提出融合深度学习、语音识别、NLP 与情感分析的对话式推荐系统，结合基于内容与协同过滤方法，以提升营销场景中的个性化和情境感知推荐能力。
2025-05-17 cs.AI cs.IR
AI-enhanced conversational agents for personalized asthma support Factors for engagement, value and efficacy
Imperial College London（帝国理工学院）
针对英国哮喘护理覆盖不足，研究通过1257名患者调查分析AI聊天机器人的参与因素，发现53%患者有使用意愿，并提出7项开发建议。
2025-07-22 cs.AI cs.CY cs.ET
Understanding User Intent Modeling for Conversational Recommender Systems: A Systematic Literature Review
Utrecht University（乌得勒支大学）；University of Guilan（吉兰大学）；Lappeenranta University of Technology（拉彭兰塔理工大学）
本文通过系统性文献综述分析对话推荐系统中的59种用户意图模型与74个特征，提出辅助模型选择的决策模型并以两个案例研究验证。
2023-08-05 cs.AI cs.IR
