본 논문은 인간의 다양하고 상반되는 선호도를 고려하여 언어 모델을 개인화하는 새로운 방법을 제시합니다. 기존 연구들이 평균적인 선호도에 맞추는 데 초점을 맞춘 것과 달리, 본 논문에서는 잘 문서화된 유명인의 프로필을 활용하여 세분화된 개인화를 시도하는 WikiPersona 데이터셋을 소개합니다. WikiPersona는 인물의 배경과 선호도를 텍스트로 기술하여 모델이 해당 인물의 선호도에 맞춰 응답을 생성하도록 합니다. 다양한 개인화 접근 방식을 평가한 결과, 몇 가지 예시를 제시하는 프롬프팅이나 미세 조정 방법은 효율성과 효과를 동시에 달성하지 못하는 반면, 추론된 개인 선호도를 접두사로 사용하는 방법이 특히 상반되는 선호도가 존재하는 주제에서 효과적인 개인화를 가능하게 하고, 보이지 않는 인물에 대한 일반화에도 더욱 공평한 결과를 가져온다는 것을 발견했습니다.
