自适应个性化在偏好认知不确定性下的挑战：多语言基准揭示模型识别-生成差距

针对偏好认知不确定性下的自适应个性化，研究构建包含250个人设、5种语言、2.5万轮对话的多语言基准，并测试8个闭源与开源模型。 研究发现模型在开放式生成中策略校准度下降35-46%，默认采用先利用策略且忽略偏好不确定性。针对性训练可缩小33%的用户接受度泛化差距。