PIPBench은 개인화 이미지 생성 평가를 위한 최초의 프로파일 포함 벤치마크로, Big Five, Schwartz 가치론 등 심리학적·인구통계학적 프로파일링 차원을 활용해 실제 사용자 데이터 수집과 에이전트 기반 합성 데이터 생성을 결합한 데이터 구축 파이프라인을 제안한다. 이를 통해 기존 텍스트-이미지 생성 방법들이 사용자의 암묵적 시각 선호도를 제대로 반영하지 못한다는 한계를 실험적으로 규명하고, 개인화 이미지 합성 연구의 새로운 과제와 방향을 제시한다.
다중 주체 개인화 이미지 생성에서 기존 평가 지표들이 주체 수가 늘어날수록 인간 선호도와의 정렬이 무작위 수준으로 떨어지는 문제를 해결하기 위해, 60K 쌍의 VLM 레이블 Silver Set과 4K 쌍의 이중 맹검 Human Evaluation Gold Set으로 구성된 통합 프레임워크 MIBE를 제안한다. 경량 평가기 MIE는 존재(Existence)·외관(Appearance)·상호작용(Interaction)의 진단 목표를 함께 학습하여 Gold Set에서 인간 선호도 대비 쌍별 정확도 0.922를 달성하며 CLIP·DINO 기반 지표를 전반적으로 능가한다.
개인화 프레젠테이션 생성은 현재 프롬프트나 템플릿에 조건을 거는 것만으로는 충분하지 않다. 에이전트는 작업 간 안정적인 사용자 선호를 유지하고, 다중 턴 수정 중 새로 도입된 선호와 제약을 보존하며, 국소 편집을 안정적으로 수행해야 한다. 우리는 MemSlides를 제안한다. 이는 장기 메모리와 작업 메모리(working memory)를 분리하고, 장기 메모리를 사용자 프로필 메모리와 도구 메모리로 더 세분화하는 개인화 프레젠테이션 에이전트용 계층적 메모리 프레임워크이다. 사용자 프로필 메모리는 라운드 0 개인화를 위한 의도 조건 프로필을 저장하고, 작업 메모리는 수정 라운드 전반에 걸친 활성 선호와 세션 제약을 유지하며, 도구 메모리는 안정적인 국소 편집을 위해 재사용 가능한 실행 경험을 저장한다. MemSlides는 이 메모리 설계를 범위가 한정된 슬라이드 국소 수정과 결합하여, 대상 갱신이 전체 덱을 반복적으로 재생성하는 대신 가장 작은 영향 영역에 작용하도록 한다. 통제된 실험에서 사용자 프로필 메모리는 다중 페르소나·다중 의도 프로필 뱅크에서 페르소나 정합(persona-alignment) 판정을 개선하고, 도구 메모리 주입은 진단용 매칭 페어 설정에서 폐루프(closed-loop) 수정 동작을 개선하며, 정성적 사례는 작업 메모리의 선호 이월 능력을 보여준다. 종합하면, 이러한 결과는 프레젠테이션 작성에서 효과적인 개인화가 생성과 국소 수정 전반에 걸쳐 지속적인 사용자 프로필, 세션 수준 작업 메모리, 재사용 가능한 실행 경험을 분리하는 데 달려 있음을 시사한다.