用于个性化的自监督用户画像生成

大型语言模型的个性化面临挑战，现有方法依赖昂贵的下游任务标注来生成用户画像（记忆）。本文提出 BUMP 框架，通过自监督方式训练画像生成器，无需任何下游标签。该方法利用 GRPO 算法和双向批次排序目标，衡量生成画像与用户持有交互之间的相互排名能力，仅凭原始交互日志即可提供密集奖励。在 LaMP 基准测试中，BUMP 的表现匹配或优于依赖标注奖励的闭源 API 及先前方法。