POPI: персонализация через краткие саммари предпочтений

Парадокс: 52 токена саммари работают лучше чем 3175 токенов сырой истории пользователя — точность выше на 20-40%. Длинный контекст вызывает «context rot»: модель теряется в разнородных сигналах (история чата + примеры + демография), не понимает что важно. POPI решает через двухэтапную схему: специальная inference-модель сжимает сырые сигналы в краткое текстовое описание предпочтений, которое generation-модель использует как контекст. Inference обучается через reinforcement learning с наградой от generation — саммари содержат только ту информацию, которая реально помогает генерировать правильные ответы.