风格 + 角色插件 = 定制 LLM

我们发现个性化文本生成中一个以前被忽视的挑战：个性化方法越来越多地在明确的风格指令下应用，但在这种约束下它们的行为仍然知之甚少。为了平衡隐式个性化和显式风格，我们将个性化表述为分布残差，并提出 PsPLUG，一种轻量级软提示插件，通过风格条件偏好对比进行训练。在 LaMP 基准测试中，我们的框架改进了角色对齐，保持风格保真度，并以最少的计算优于基于检索和软提示的基线。这些结果表明，残差建模为可控、风格感知的 LLM 个性化提供了简单而有原则的基础。