GRAVITY:一种基于画像的合成偏好个性化文本生成框架
计算与语言
2025-12-11 v2
摘要
大语言模型(LLM)中的个性化通常依赖于成本高昂的人类反馈或交互日志,这限制了可扩展性,并忽略了更深层次的用户属性。为减少对人工标注的依赖,我们提出 GRAVITY(Generative Response with Aligned Values, Interests, and Traits of You),一个用于生成基于画像的合成偏好数据的框架,能够捕捉用户的兴趣、价值观、信念和人格特质。通过整合人口统计学、文化与心理学框架——包括 Hofstede 文化维度、Schwartz 基本价值观、世界价值观调查以及大五人格 OCEAN 特质——GRAVITY 合成偏好对以指导个性化内容生成。我们在 400 位 Amazon 用户的图书描述上对 GRAVITY 进行了评估,将其与基于提示的条件化、标准微调以及朴素的合成偏好对生成方法进行比较。基于画像的合成数据持续提升了生成质量,尤其是在跨文化场景下(美国、巴西、日本、印度),相较各基线取得了超过 4% 的偏好增益提升,用户研究表明 GRAVITY 的输出在 86% 以上的情况下更受青睐。我们的结果表明,基于情境的合成数据能够捕捉更丰富的用户差异,减少对高成本标注的依赖,并生成更具吸引力、以用户为中心的内容,为 LLM 个性化提供了一条可扩展的路径。
引用
@article{arxiv.2510.11952,
title = {GRAVITY: A Framework for Personalized Text Generation via Profile-Grounded Synthetic Preferences},
author = {Priyanka Dey and Daniele Rosa and Wenqing Zheng and Daniel Barcklow and Jieyu Zhao and Emilio Ferrara},
journal= {arXiv preprint arXiv:2510.11952},
year = {2025}
}