CARD：基于集群适配与奖励引导解码的个性化文本生成框架

CARD提出一种分层框架，通过聚类用户风格模式并学习组特定LoRA适配器实现可扩展的个性化。其核心机制包括隐式偏好学习（对比用户文本与组生成结果）以及推理时仅通过轻量级用户偏好向量和低秩logit校正注入个性化，保持基础模型冻结。实验显示其在LaMP基准上优于基线，同时提升了效率与可扩展性。