PersonalQuery-Benchmark：6516 条查询实测个性化表达差异对检索排序的扰动

PersonalQuery-Benchmark 发布并以 6,516 条查询评估个性化表达差异对检索排序的扰动。基准覆盖 3 个 Amazon 商品域，数据质量经 LLM 评估与独立人工评估验证，并评测 5 种架构的检索模型和 2 个 LLM 排序模型。研究发现，即使信息需求固定，个性化表达差异仍会引发可测的排序变化，且不同模型敏感度差异明显。