MoF：面向黑盒 LLM 个性化的偏好感知混合建模

针对黑盒 LLM 个性化中用户专属评分头导致参数量随用户数线性增长的问题，研究者提出 Mixture-of-Facets（MoF）框架，将用户偏好建模为共享潜在偏好分面的组合，通过历史条件路由在共享分面头上实现个性化。MoF 无需额外参数更新即可泛化到训练中未见的用户，在多种个性化任务上取得更强性能，同时保持更可扩展、更参数高效的设计。该工作已被 EMNLP 2026 接收。