3,583 papers
arXiv:2508.08634 73 12 авг. 2025 г. PRO

APCIR: Адаптивная персонализация через уровни и слияние запросов

КЛЮЧЕВАЯ СУТЬ
Проблема: LLM пихают профиль пользователя куда ни попадя. Спрашиваешь "погода в Стамбуле?" — модель начинает искать итальянские рестораны, потому что в профиле "люблю итальянскую кухню". Это избыточная персонализация — личная информация уводит поиск в сторону. Обратная беда: "нужна ли мне виза в Египет?" требует знания гражданства, но модель отвечает общими фразами. Метод APCIR позволяет применять персонализацию выборочно — там где критична (виза зависит от гражданства), игнорировать где бесполезна (погода одинакова для всех). Фишка: LLM сначала определяет один из трёх уровней персонализации (не нужна / частично / полностью), потом генерирует запросы под уровень и сливает результаты с весами — модель перестаёт пихать профиль везде.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с