深度分析
ProfiLLM：結合大型語言模型與效用對齊的即時叫車用戶輪廓系統
研究聚焦於將大型語言模型應用於即時叫車平台的使用者輪廓建構，透過離線工具增強全域知識與群聚規則，再以效用導向的探索機制選出最佳輪廓，最終於線上僅以子毫秒查詢完成。實驗顯示相較於僅使用結構化特徵，AUC 提升逾 6%，營收模擬增長約 4%，同時降低取消率約 0.8%。
深度分析
研究聚焦於將大型語言模型應用於即時叫車平台的使用者輪廓建構，透過離線工具增強全域知識與群聚規則，再以效用導向的探索機制選出最佳輪廓，最終於線上僅以子毫秒查詢完成。實驗顯示相較於僅使用結構化特徵，AUC 提升逾 6%，營收模擬增長約 4%，同時降低取消率約 0.8%。
深度分析
面對有限的人力支援，研究提出SecMate：結合裝置診斷、隱式使用者輪廓與主動推薦的三情境多代理資安助理。系統以本地證據與能力化設定，提供分步個人化診斷流程，降低使用者負擔並提升診斷準確度。實驗顯示裝置證據大幅提高問題解決率並具經濟可行性。