연구팀은 LLM 개인화에 Bourdieu의 실천-숙명-장(field) 이론을 적용한 PHF 프레임워크를 제안했어요. PHF는 개별 행동(practice)을 시간의 흐름에 따라 숙명(habitus)으로, 유사 사용자 간의 공통점을 장(field)으로 계층화하여 LLM 개인화를 재정의해요.
PHF 프레임워크를 구현한 $\mathrm{PHF}_{\text{Compass}}$는 기존 LLM을 활용하여 가볍고 모델에 구애받지 않으며, LaMP 벤치마크에서 다양한 작업에서 성능 향상을 보였어요.
연구 결과는 학습된 행동 구조의 해석 가능성과 확장성을 검증하며, 기존 LLM 개인화 방식의 한계를 극복할 수 있는 가능성을 보여줘요.