Badacze opracowali metodę personalizacji agentów opartych na dużych modelach językowych zdolnych do percepcji wzrokowej i działania w środowisku (embodied agents). System uczy się preferencji i stylu użytkownika przez długoterminowe interakcje, dostosowując swoje zachowanie i decyzje. To ważne dla tworzenia asystentów AI, które lepiej rozumieją indywidualne potrzeby użytkowników. Praca ma znaczenie dla rozwoju praktycznych systemów AI, które mogą efektywnie pracować w rzeczywistych scenariuszach