摘要
用户常在与 LLM 代理交互时省略关键细节，导致工具使用输入不充分。为此，本文引入 MPT 基准，涵盖偏好回忆、诱导与迁移三大挑战。同时提出 PRefine 方法，这是一种测试时记忆增强技术，将用户偏好表示为演化假设。通过“生成 - 验证 - 精炼”循环，该方法从历史对话中提取可复用约束，显著提升工具调用准确率，且令牌消耗仅为全历史提示的 1.24%。研究表明，鲁棒的代理个性化依赖于捕捉用户选择背后原因的记忆机制。
AI 推荐理由
论文提出基于记忆的测试时方法，核心在于利用记忆机制提取用户偏好以优化工具调用。
研究机构
汉阳大学
论文信息