arXiv · NLP· Heng Cao, Fan Zhang, Jian Yao, Yujie Zheng, Changlin Zhao, Lu Hao, Yuxuan Wei, Wangze Ni, Huaiyu Fu, Yuqian Sun, Xuyan Mo·· 2 天前AI 评分23
TAP-PER:通过紧凑用户表示实现可扩展的大语言模型个性化
Beyond Retrieval: Learning Compact User Representations for Scalable LLM Personalization
AI 导读
TAP-PER提出基于前缀的框架,以可学习的表示编码用户偏好,替代提示词序列化与重型逐用户适配器。 在六个LaMP任务上,TAP-PER性能优于基于提示词和模型的基线,且逐用户参数量比OPPU少130倍。 该方法实现了无需逐用户适配器的大规模个性化,适用于1000用户规模的场景。
来源:arXiv · NLP · arxiv.org