OPPO

Beyond Isolated Behaviors: Hierarchical User Modeling for LLM Personalization

超越孤立行为：面向LLM个性化的层次化用户建模

Liang Wang, Xinyi Mou, Xiaoyou Liu, Tiannan Wang, Yuqing Wang, Zhongyu Wei

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Shanghai Innovation Institute（上海创新研究院） ； OPPO 纠错

AI总结 针对LLM个性化中用户行为缺乏层次结构的问题，提出基于布迪厄实践理论的PHF框架，通过实践-惯习-场域三层建模，并实现轻量级模型无关方法PHF_Compass，在LaMP基准上取得一致提升。

MARFT: Multi-Agent Reinforcement Fine-Tuning

MARFT: 多智能体强化微调

Junwei Liao, Muning Wen, Jun Wang, Weinan Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； OPPO Research Institute（OPPO研究院） 纠错

AI总结 针对基于大语言模型的多智能体系统，提出多智能体强化微调（MARFT）框架，通过引入Flex-MG马尔可夫博弈公式和通用算法，解决异步交互、异构架构等挑战，提升系统鲁棒性和适应性。

Comments 37 pages

Representation-Centric Survey of Supervised Skeletal Action Recognition and the New Benchmark

以表示为中心的监督式骨骼动作识别综述与新基准

Yang Liu, Jiyao Yang, Madhawa Perera, Pan Ji, Dongwoo Kim, Min Xu, Tianyang Wang, Saeed Anwar, Tom Gedeon, Lei Wang, Zhenyue Qin

机构 * School of Computing, Australian National University（澳大利亚国立大学计算学院） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； OPPO US Research Center（OPPO美国研究中心） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Western Australia（西澳大利亚大学） ； Curtin University（Curtin大学） ； School of Engineering and Built Environment, Griffith University（格里菲斯大学工程与环境学院） ； School of Medicine, Yale University（耶鲁大学医学院） 纠错

AI总结 本文以输入表示类型（关节坐标、骨骼向量、运动流及扩展表示）为中心，系统综述了监督式3D骨骼动作识别方法，并提出了包含多视角、复杂多人交互等挑战的大规模数据集ANUBIS，通过实验揭示了动作-特征依赖关系及多表示融合的局限性。

Comments Accepted for publication in Pattern Recognition