蚂蚁AlignXplore+团队 投稿 量子位 | 公众号 QbitAI 怎样做一个爆款大模型应用？ 这恐怕是2026年AI开发者们都在关注的问题。当算力和性能不再是唯一的护城河，"爆款"意味着大模型要能精准地"抓住"每一名具体的用 户，而个性化正是其中的关键技术之一。 那么，大模型时代应该怎么做个性化呢？一方面，传统的推荐系统和对话模型往往依赖ID Embedding或特定参数 （如LoRA） 来表示用户 偏好。这种 不可解释、难以迁 移 的"黑盒"范式，正在成为桎梏。另一方面，大模型强大的推理能力和生成能力为打破传统范式的局限性带 来了机会，让个性化可以 从"黑盒"走向"白盒" 。 △ 图1 个性化领域从基于向量/参数的用户表示向基于文本的用户表示的范式转变。 (a) 传统方法生成的用户专属参数和向量与训练模型紧密耦合，因此无法迁移。 (b) 团队开创了一种基于文本的范式，该范式能推断出与模型和任务无关的偏好总结，作为通用接口，赋能各类下游模型完成多样化任务。 事实上，按照目前的个性化技术路线，无论是静态的用户向量还是为每个用户微调一个模型，本质上都是不透明的"黑盒"。 团队认为，这种表示方式有两项根本性 ...