IXThinker·2026-09-14 14:00

個性化智能體強化學習框架亮相盲測居首

研究團隊提出個性化錨點獎勵解耦的策略優化方法，針對真實用戶平台上同一查詢偏好各異的痛點，把個性化正式納入智能體強化學習的訓練目標，避免模型學成千人一面的平均偏好。

痛點所在

面對相同查詢，不同用戶往往偏好不同的規劃策略、工具選擇與最終表達。若只優化通用任務完成度，模型容易收斂至「平均用戶最喜歡的樣子」，難以照顧個體之間的真實差異。