arXiv · cs.AI· Yejin Yoon, Minseo Kim, Taeuk Kim·· 5 小时前
MPT基准与PRefine方法推动多会话个性化工具调用
Latent Preference Modeling for Multi-Session Personalized Tool Calling
arXiv:2604.17886v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yejin Yoon, Minseo Kim, Taeuk Kim
研究任务与主要进展
研究者提出多会话个性化工具调用基准MPT，包含4,695个实例和459段多会话交互历史，覆盖偏好召回、归纳与迁移三类挑战，并提出测试时记忆方法PRefine。基于论文摘要，PRefine以文本假设表示用户潜在偏好，通过生成—验证—精炼循环持续修订，在五种LLM上优于所有基线，并单独在偏好迁移任务上超过完整历史提示。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org