본 논문은 사용자의 암묵적 선호도를 반영하여 개인화된 응답을 생성하는 대형 언어 모델(LLM) 기반 개인 AI 어시스턴트의 성능 향상을 다룹니다. 사용자의 프롬프트 작성 능력이 부족하다는 점을 고려하여, 활성화 제어(activation steering) 기법을 활용하여 추론 과정에서 해석 가능한 선호도 차원에 맞춰 LLM을 유도하는 방법을 제시합니다. 기존의 메모리 기반 개인화 방식과 달리, 경량화된 활성화 제어는 선형 강도 계수를 통해 사용자가 쉽게 제어할 수 있습니다. 세 가지 상호 작용형 챗봇 인터페이스에 활성화 제어를 통합하여 사용자 연구(n=14)를 수행하고, 사용자의 선호도에 따른 개인화된 대화 설정에 대한 효과성을 검증하며, 제어, 사용성, 투명성과 같은 다양한 가치가 사용자의 인터페이스 선호도에 미치는 영향을 분석합니다.
