研究者らは、DRIFTLENSを導入した。これは正解ラベル不要のフレームワークであり、ユーザー属性の記憶が大規模言語モデルの推論軌道をどのように再形成するかを定量化する。本研究は、このフレームワークが4つのLLMと10のユーザー属性カテゴリにわたって、本質的な推論の変化と実用的なノイズを区別できることを検証した。

  • ユーザー属性の記憶は、最終的な回答が流暢で妥当である場合でも、実用的なノイズの床を超えて中程度から大規模な推論ドリフトを引き起こす。
  • GRPOおよびDPOベースのポストトレーニング手法はこのドリフトを低減するが、効果においてどちらかが一様に優位ではない。
  • 緩和策が下流の能力、有用性、指示従順性に与える影響は、モデルと報酬関数に依存する。

これらの結果は、記憶誘発推論ドリフトがパーソナライズド言語モデルの測定可能な失敗モードであり、現在のポストトレーニング手法によって部分的にのみ緩和されることを示している。