PMG : Personalized Multimodal Generation with Large Language Models

本文是LLM系列文章，针对《PMG : Personalized Multimodal Generation with Large Language
Models》的翻译。

摘要

大型语言模型（LLMs）的出现彻底改变了文本理解和生成的能力。多模态生成引起了工业界和学术界的极大关注，但个性化生成方面的工作很少，个性化生成在推荐系统等领域有着重要的应用。本文提出了使用LLM进行个性化多模态生成的第一种方法，展示了它的应用，并通过对两个数据集的广泛实验研究验证了它的性能。所提出的方法，即个性化多模态生成（简称PMG），首先将用户行为（例如，推荐系统中的点击或与虚拟助理的对话）转换为自然语言，以促进LLM理解并提取用户偏好描述。然后，这些用户偏好被输入到生成器中，例如多模态LLM或扩散模型，以生成个性化内容。为了全面准确地捕捉用户偏好，我们建议让LLM输出显式关键字和隐式嵌入的组合来表示用户偏好。然后，使用关键字和嵌入的组合作为提示来调节生成器。我们优化了准确性和偏好得分的加权和，以便生成的内容在它们之间保持良好的平衡。与没有个性化的基线方法相比，PMG在保持生成准确性的同时，在LPIPS方面对个性化有了高达8%的显著改善。

1 引言

2 相关工作

3 方法

4 实验

5 结论和未来工作

本文提出了一种名为PMG的方法，用于使用LLM进行个性化多模态生成。通过利用大型语言模型，我们提取了用户偏好，并使用它们来调节生成器的生成过程。图像生成实验验证了PMG的有效性及其在下游推荐任务中的潜力。这项工作为个性化生成的进一步发展铺平了道路，能够创造量身定制和引人入胜的用户体验。
在未来的工