用于主动信息访问的个性化图赋能大语言模型

针对个体难以回忆生活细节及事件混淆的问题，本文提出一种辅助用户召回遗忘经验的系统。现有记忆召回系统多依赖深度学习，面临训练成本高及个人生活日志数据稀缺的挑战。为此，我们构建了一个利用大语言模型进行主动信息访问的框架，通过整合个人知识图谱，优化决策过程以精准检测访问需求。该框架具备高度灵活性，支持基础模型替换及事实检索方法的改进，以实现持续优化。实验结果表明，该方法能有效识别被遗忘事件，显著提升用户回忆过往经验的效率。