Stil + Persona-Plug: Maßgeschneiderte LLMs für personalisierte Texte

Eine neue Veröffentlichung auf arXiv (2601.06362v1) beleuchtet ein bislang wenig beachtetes Problem in der personalisierten Textgenerierung: Während immer mehr Methoden unter expliziten Stilvorgaben eingesetzt werden, ist ihr Verhalten unter solchen Bedingungen noch kaum verstanden.

Um die Balance zwischen impliziter Personalisierung und explizitem Stil zu finden, formuliert das Forschungsteam Personalisation als einen distributionalen Residual. Auf dieser Basis entwickelt es PsPLUG, einen leichtgewichtigen Soft‑Prompt‑Plug‑In, der mit stilbedingten Präferenzkontrasten trainiert wird.

In umfangreichen Tests am LaMP‑Benchmark zeigt PsPLUG eine verbesserte Übereinstimmung mit der Persona, behält die stilistische Treue bei und übertrifft sowohl retrieval‑basierte als auch andere Soft‑Prompt‑Ansätze – und das bei minimalem Rechenaufwand.

Die Ergebnisse unterstreichen, dass Residual‑Modellierung eine einfache und zugleich fundierte Grundlage für kontrollierbare, stilbewusste LLM‑Personalisierung bietet und damit neue Möglichkeiten für maßgeschneiderte Sprachmodelle eröffnet.