TRACE-Memory: Personalizzazione Selettiva tramite Ammissione di Evidenze Basata sull'Utilità
Un recente articolo su arXiv (2608.08446) presenta TRACE-Memory, un framework a due fasi progettato per la generazione personalizzata che utilizza la memoria personale in modo selettivo, solo quando migliora la risposta oltre a quanto disponibile pubblicamente. Il framework identifica dettagli specifici dell'utente assenti dalla richiesta e dal contesto pubblico, quindi incorpora un insieme conciso di unità di evidenza tracciabili basate sull'utilità incrementale della risposta. Il processo di addestramento include inizializzazione SFT strutturata, riscaldamento GRPO in spazio ridotto per fasi, e GRPO congiunto annidato multi-campione. La valutazione copre 4.500 compiti dalle categorie Controllata e Naturale provenienti dai dataset Goodreads e Amazon. Questo framework affronta problemi relativi alla storia rilevante che può coinvolgere preferenze errate, informazioni pubbliche ridondanti o supporto inadeguato.
Fatti principali
- TRACE-Memory è un framework a due fasi per la personalizzazione selettiva.
- La Fase 1 interroga per informazioni specifiche dell'utente mancanti dalla richiesta e dal contesto pubblico.
- La Fase 2 ammette un sottoinsieme compatto di unità di evidenza tracciabili dalla fonte o l'insieme vuoto.
- L'addestramento utilizza inizializzazione SFT strutturata, riscaldamento GRPO in spazio ridotto per fasi, e GRPO congiunto annidato multi-campione.
- La valutazione include 4.500 compiti Controllati e Naturali dai dataset Goodreads e Amazon.
- L'articolo è disponibile su arXiv con ID 2608.08446.
- Il framework sostiene che la memoria personale dovrebbe essere usata solo quando aggiunge utilità oltre a una risposta basata solo su informazioni pubbliche.
- Il tipo di annuncio è 'nuovo'.
Entità
Istituzioni
- arXiv
- Goodreads
- Amazon