ServiceNow发布行为驱动用户画像框架,革新个性化AI系统
摘要:ServiceNow推出了一种名为Profile Behavioral Grounding的新框架,通过从真实匿名的社交媒体帖子中提取高保真用户画像,显著提升大语言模型(LLM)的个性化能力。该方法在训练时通过监督微调(SFT)和测试时多视角推理中均表现出色,超越了基于合成画像的传统方法,为下一代个性化AI系统奠定了基础。
核心突破
ServiceNow的研究团队提出了一种名为Profile Behavioral Grounding的创新框架,旨在解决现有用户画像方法中存在的局限性。传统方法依赖于合成画像,这些画像往往过于简化个体差异,依赖刻板印象,无法捕捉到驱动实际人类偏好的细微信号。而新框架通过以下方式实现了突破:
- 从真实数据中提取用户画像:直接从真实的、匿名的社交媒体帖子中提取开放式的、高保真度的用户画像。
- 支持多视角推理:在测试时支持非参数化的多视角推理,使模型能够进行更丰富、更复杂的情境分析。
- 提升模型性能:在复杂推荐和开放式查询基准测试中,行为驱动的用户画像显著提升了基础模型的性能,超越了基于合成画像的基线方法。
技术亮点
- 高保真用户画像:通过分析社交媒体帖子,提取出更贴近真实用户的画像,避免了合成画像的刻板印象和过度简化问题。
- 监督微调(SFT):在训练阶段,通过监督微调技术,将行为驱动的用户画像融入模型,提升模型的个性化能力。
- 多视角推理:在测试阶段,支持多视角推理,使模型能够从多个角度分析问题,提供更全面的解决方案。
行业影响
该框架的发布标志着个性化AI系统的一个重要里程碑。通过提供更准确、更丰富的用户画像,ServiceNow的框架能够显著提升AI系统在推荐系统、个性化服务和多模态交互等领域的性能。此外,该方法的开源特性(代码库已发布在GitHub上)将促进研究社区的进一步创新和开发。
对开发者的建议
- 探索开源代码:建议开发者访问ServiceNow的GitHub仓库,下载并试用该框架,以评估其在具体应用场景中的潜力。
- 结合现有模型:开发者可以将该框架与现有的LLM结合,进一步提升模型的个性化能力。
- 关注后续研究:由于该领域仍在快速发展中,建议开发者持续关注ServiceNow及其合作伙伴的进一步研究成果。
—— 完 ——消息来源:ArXiv NLP/LLM (cs.CL) (2026-09-02)
主题标签: #ServiceNow #个性化AI #用户画像 #LLM #开源
编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。
社区整体评论区