基于多轨迹推理的稀疏个性化文本生成

随着大语言模型的发展，个性化成为关键机制，但现有方法依赖密集交互历史，难以应对数据稀疏的冷启动场景。为此，本文提出 PAT（对齐轨迹个性化）框架。该框架首先沿两条互补轨迹检索信息：从风格相似用户获取写作风格线索，从偏好一致用户获取特定主题上下文。随后，采用基于强化学习的迭代双重推理机制，使模型能联合优化并整合这些信号。实验表明，PAT 在稀疏数据条件下显著提升了生成质量与对齐度。