基于项目操作的偏好流：用于预测式和生成式个性化的共享事件模式

arXiv:2610.01375v1 公告类型：新 摘要：用户的电影、新闻和对话历史在其原生操作与输出方面各不相同，但每次交互都提供了可用于更新用户记忆的证据。我们研究这些历史是否能够训练出一种可复用的更新机制。项目操作模式将映射后的交互角色与内容嵌入配对，使共享的更新参数能够作用于彼此独立的用户状态。我们证明了该机制对原生标签重命名具有不变性，在项目嵌入发生扰动时状态变化有界，并在明确的兼容性条件下给出了汇总训练界。多时间尺度状态假设（MTSH）规定了这些证据如何进入、持续存在并被消耗；PerTIDE 通过操作门控、三种状态空间轨迹、融合和命令条件化读出来实现这一假设。在 PENS 上，同一个历史编码器同时支持下一条新闻预测和个性化标题生成。在受控的 PENS 到 MovieLens 实验中，经过冻结的源训练核心在拟合同一个目标消费者后，比结构完全相同的随机核心高出 15.23 个 MRR 点。在 MIND 上，PerTIDE 相较于同输入的三分支状态空间对照模型仍保持 4.12 个 MRR 点的优势。针对操作、读出和轨迹的干预实验揭示了这些增益的互补贡献。理论与实验共同支持：可以跨兼容来源学习历史更新，并通过预测式和生成式消费者复用这些更新。