生成的ユーザーインターフェースの効率的なパーソナライズ

概要: 生成的ユーザインタフェース（UI）は、要望に応じて個々のユーザに合わせてUIを適応させる新たな機会を生み出しますが、望ましいUI特性は主観的であり、言語化が難しく、疎なフィードバックから推論するのにコストがかかるため、パーソナライズは依然として困難です。本研究では、この問題を扱うための新しいデータセットを通じて検討します。そこでは、20人の訓練済みデザイナが同一の600個の生成UIについてペアごとの判断を行い、選好の分岐（ダイバージェンス）を直接分析できるようにしています。デザイナ間で大きな不一致が見られ（平均カッパ = 0.25）、また記述された合理的説明からは、デザイナが階層性や清潔感といった同様の概念に訴える場合でさえ、その概念をどう定義し、どう優先し、どう適用するかがデザイナごとに異なることが分かります。これらの知見に動機づけられ、固定的なデザイン概念のルーブリックではなく、過去のデザイナ（prior designers）によって新しいユーザを表現する、サンプル効率の高いパーソナライズ手法を開発します。技術的評価において、提案する選好モデルは、事前学習済みのUI評価器とより大きなマルチモーダルモデルの両方を上回り、追加フィードバックに対してもより良くスケールします。生成をパーソナライズする用途では、直接ユーザにプロンプトする手法を含むベースライン手法よりも、12人の新規デザイナに好まれるインタフェースを生成します。本研究の結果は、軽量な選好の引き出し（elicitation）が、パーソナライズされた生成的UIシステムの実用的な基盤となり得ることを示唆しています。