SIMGUIDE：用于个性化代理规划的基于程序的多上下文表示

arXiv:2608.24888v1 公告类型：新 摘要：个性化 AI 代理绝大多数将用户视为单个实体：连接成提示的平面配置文件。当同一个人在不同的生活环境中拥有不同的优先事项时，这种方法就会失败，而当这些优先事项发生冲突时，这种方法就会发生灾难性的失败。核心问题不在于代理缺乏用户信息，而在于代理缺乏用户信息。用户表示的格式决定了代理是否可以根据该信息采取行动。我们引入了 SIMGUIDE，这是一种将用户上下文构建为类型化、特定于域的块（称为 Sims）的方法，并使用从过去的决策中提取的程序示例来为每个约束奠定基础。为了评估这一点，我们构建了 SIMBENCH，这是一个由 47 个偏好条件规划任务组成的诊断套件，其中正确的计划取决于哪个用户上下文处于活动状态——这是一个没有现有基准测试的属性。单独的声明式 Sim 约束并不能优于基于检索的个性化 (RAG)。程序接地的 Sims 在 GPT-4o 上的表现优于 RAG（+7.9 偏好粘附点，$p = 0.013$），并且这一优势在 GPT-4o 和 Claude Sonnet~4.5 的 100 个 $\tau$ 基准任务上得到复制（$p\leq 0.023$）。在参数层面，同样的原则成立：训练分布决定参数适应是否成功。与未适应的基本模型相比，任务匹配的 LoRA 微调将生成质量提高了 12.8 个 ROUGE-L 点，而按 Sim 类型而不是用户身份进行的路由适配器又增加了 7.3 个点，对 28% 的路由错误具有鲁棒性。表示格式（而不是表示内容）是一阶设计变量。