个性化与现实的交汇：个性化偏好学习的多维分析

本研究针对个性化偏好学习中的标准评估方法缺失问题，通过提出一套多维评估框架，衡量性能、公平性、非预期影响及适应性。研究表明，当用户意见强烈分歧时，各种个性化方法的性能差异可达36%，个性化可能引入高达20%的安全性不一致，强调了 holistic 评估方法在提升更有效、更具包容性的偏好学习系统开发中的重要性。