基于跨用户成对偏好的在线 LLM 个性化

该研究提出一种基于上下文决斗臂的在线 LLM 个性化方法，通过成对偏好选择优化响应风格。作者发布了包含六种教学风格 LLM 答案及模拟学生偏好的可复现基准数据集。提出的基线方法在未见过的学生和主题上，消除了随机配对 44-48% 的超额遗憾，并开源了代码与数据。