对话式 LLM 智能体的用户偏好建模：来自检索增强交互的弱奖励

针对大语言模型缺乏持久用户模型导致用户需重复陈述偏好的问题，本文提出向量自适应检索评分（VARS）框架。该方法在共享偏好空间中利用长短期向量表示用户，并通过用户反馈的弱标量奖励在线更新向量，以偏差结构化偏好记忆的检索评分，无需微调即可实现个性化。在多会话协作基准上的评估表明，该代理显著提升了交互效率，降低了超时率和用户努力程度，且双向量设计具有良好的可解释性。