超越孤立的行为：LLM 个性化的分层用户建模

大语言模型 (LLM) 在不同领域展示了卓越的功能，但向个人用户提供个性化输出仍然是一个开放的挑战。现有的方法主要采用扁平的行为范式，聚合用户行为，但没有明确说明如何将它们组织成更深层次的行为结构。在这项工作中，我们借鉴皮埃尔·布迪厄的实践理论，提出PHF（实践-习惯-场），这是一个基于社会学的框架，通过三个层次层次重新概念化LLM个性化：个体行为作为实践，它们作为习惯的稳定倾向的时间积累，以及作为场的相似用户之间的共享规律。我们通过 $\mathrm{PHF}_{\text{Compass}}$ 实例化 PHF，这是一个基于冻结的 LLM 的轻量级且与模型无关的实现。语言模型个性化 (LaMP) 基准的实验证明了不同任务之间的一致改进，同时进一步的分析验证了所学习的行为结构的可解释性和可扩展性。