本研究提出了Persona-judge范式，解决个性化对齐语言模型的计算成本和适应性问题。该方法在未见偏好的情况下实现无训练的个性化对齐，实验表明其是一种可扩展且高效的解决方案，推动了定制对齐的发展。

蚂蚁与人大团队推出AlignXpert个性化对齐大模型，能精准识别用户偏好，并开源130万用户画像数据集。该模型通过上下文对齐和偏好桥接对齐两种方法，提升用户偏好预测准确率17.06%。研究强调个性化对齐的重要性，旨在解决大模型对少数群体声音的忽视问题。

本研究评估了大型语言模型在个性化对齐中的表现，分析了十种主流模型在五种场景下的效果。结果显示，即使是表现最好的模型在理解用户需求时也存在不一致，需改进对齐方法以促进安全的人工智能助手发展。