苹果正朝着根据用户写作风格生成个性化AI输出迈出关键一步。其新研究旨在让AI创建更具“人性化”且专属用户的内容。
这项将于下个月在国际机器学习会议（ICML 2025）上提交的研究，介绍了一种名为PROSE的新方法。该方法使大语言模型能从用户过往写作样本中学习，精准捕捉个人写作偏好。
PROSE 是如何工作的？
PROSE（通过观察和综合示例进行偏好推理）超越了传统提示工程或人类反馈强化学习等方法。该模型通过观察用户提供的文本样本，构建内在且可解释的写作风格档案。
该方法分两个阶段运行：迭代微调与一致性验证。在迭代微调阶段，模型将自身输出与用户真实写作对比，不断调整以贴近其风格；在一致性验证阶段，为确保不局限于单一示例，会检查所得写作偏好（如“使用短句”或“幽默开头”）是否在多个示例中均有效。
因此，PROSE能持续更新风格档案，并据此塑造未来所有生成文本。
为什么对 Apple Intelligence 很重要？
尽管研究未直接提及苹果产品，但该技术显然将融入Apple Intelligence基础架构。随着iOS 18发布，苹果更专注于个性化助手功能，利用PROSE等技术，可为用户提供个性化邮件草稿或消息。
此外，得益于苹果新推出的基础模型框架，开发者现可直接访问本地模型。这为PROSE转变为可在不同应用中系统级运行的写作助手铺平了道路。
新基准测试：PLUME
研究还推出了与PROSE配套的新基准数据集PLUME。该数据集由用户电子邮件和笔记组成，相较于之前的标准PRELUDE，它为写作风格匹配提供了更真实、丰富的基础。
在PLUME数据集测试中，PROSE表现比CIPHER等其他方法高出33%。当与GPT-4o等顶级模型结合使用时，它超越了经典上下文学习（ICL）方法；甚至PROSE+ICL组合相比仅用ICL，性能也提升了9%。
一个更个性化、更具粘性的 AI 时代
PROSE标志着AI正进入不仅更智能、而且更“个性化”的时代。这一趋势随设备端微调、用户偏好建模和情境感知提示的发展而加速。当然，这种个性化不仅提升用户体验，还在增强用户对平台依赖性方面提供了巨大战略优势。