El artículo 'From Pareto to Preference: Personalized Test-Time Scaling via Amortized Agentic Policy Discovery' presenta PersonTTS, un marco de trabajo para mejorar la eficiencia del escalado en el tiempo de pruebas (TTS) en modelos de lenguaje de gran escala. A diferencia de los enfoques existentes que optimizan la precisión frente a un solo recurso, como el coste o la latencia, PersonTTS aborda las necesidades multidimensionales de los usuarios, que suelen especificar conjuntamente requisitos de precisión, latencia y coste de inferencia. El objetivo es descubrir controladores ejecutables que maximicen la tasa de satisfacción conjunta de estos requisitos específicos.
Para mitigar la sobrecarga de la descubrimiento de políticas repetido para nuevos perfiles de usuario, el sistema propone un mecanismo de amortización. PersonTTS reutiliza la experiencia de búsqueda previa mediante la inicialización de controladores ajustados a los requisitos y una guía procedimental destilada de fuentes, manteniendo la evaluación de cada candidato para el perfil objetivo. Los experimentos realizados en los conjuntos de datos AIME y HMMT demuestran que PersonTTS supera significativamente a las líneas base fuertes en la satisfacción de requisitos conjuntos en perfiles de usuario no vistos y problemas retenidos. Bajo un mismo presupuesto de evaluación de candidatos, la reutilización de experiencia entre usuarios mejora la calidad de la política y reduce sustancialmente el tiempo y el coste de descubrimiento del agente.