面向多会话个性化工具调用的潜在偏好建模

研究者提出 Multi-Session Personalized Tool Calling（MPT）基准，包含 459 段多会话交互历史中的 4,695 个实例，覆盖偏好回忆、归纳与迁移三类挑战。同时提出测试时记忆方法 PRefine，通过生成—验证—精炼循环将用户潜在偏好维护为文本假设。在五个 LLM 上，PRefine 优于所有基线，并在偏好迁移任务上单独超过全历史提示。