パーソナライズ言語エージェントは、新しいリクエストを受け取るたびに、ユーザーの過去の対話履歴を適切な振る舞いへと変換しなければなりません。この変換を支える履歴の表現方法として、研究者の間では主に2つの戦略が使われています。1つは検索型です。検索型は、ユーザーの履歴の中から現在のクエリに関連する項目をいくつか選び出し、それらをプロンプトに直接埋め込みます。この方法は正確である一方、クエリごとに関連項目を選ぶコストがかかり、履歴が長くなるほど選択だけでなくコンテキストを消費するコストも増え続けます。もう1つは蒸留型です。蒸留型は履歴全体を一度だけ圧縮し、コンパクトな自然言語ペルソナとして保持します。このペルソナはサイズに上限があり、クエリとは独立していて、解釈しやすいという利点があります。しかし一般には、履歴を強く圧縮する分だけ精度が犠牲になると考えられてきました。蒸留されたペルソナが検索に匹敵するのか、匹敵するとしてもどのようなタスクで匹敵するのかは、これまで明確に検証されていませんでした。
この論文で提案されるPersonaLinkは、その問いに答えるための学習不要な手法です。まずユーザー履歴を3フィールドからなる有界ペルソナへ蒸留し、その後、再帰的な改良を繰り返します。各反復では、ユーザー自身のラベル付き履歴から取ったホールドアウト切片を使って凍結された7Bモデルを評価し、その誤りに基づいてペルソナを書き直します。新しいペルソナは、その切片上で性能を悪化させない場合にだけ採用されます。モデルは一切訓練されず、同じ7Bバックボーンが使われ続けるため、どの方法を使ったときの差も、モデルの違いではなくコンテキストとして与える表現の違いに帰属させることができます。
実験では、この設計上の利点を生かしながらタスクごとの比較が行われました。LaMP-2ベンチマークから取った200ユーザー・15クラスのニュース分類では、PersonaLinkは0.745〜0.755の精度を達成し、BM25検索の0.760〜0.765と統計的に区別できませんでした。つまり、少なくともこの分類タスクに限っては、蒸留ペルソナは検索表現と同じ程度の実用性を持つことが示されたのです。ただし、論文タイトルが明かすように、この同等性は分類タスクに限定されます。回帰タスクでは、凍結エージェントに有界ペルソナを使った場合、検索表現には依然として届きません。著者らはこの結果を「タスクの種類による明確な非対称性」として提示しており、ペルソナ蒸留の有用性を分類以外の領域へ無理に一般化しないよう注意を促しています。
この研究はJaeHa Yoon氏を含む6人の著者によってまとめられ、2026年6月25日にarXivへ提出されました。領域は計算言語学（cs.CL）、論文IDはarXiv:2609.02890です。実応用の観点では、扱うタスクが分類中心であるなら検索のオーバーヘッドを避けてペルソナ蒸留を選ぶ選択肢が現実的になります。一方で回帰タスクが混在する場合は、検索ベースの表現を残すことが安全な運用につながるといえるでしょう。