personalized-ai

一篇论述技术奇点可能并非源于单个超级智能AI，而是源于专业的人类-AI合作星群，并警告企业控制此类系统的文章。

GLM 5.2 在 PostTrainBench 上表现最佳，同时比 Opus 4.8 便宜 5 倍，比 Fable 5 便宜 11 倍，使个性化 AI 对企业和国家来说经济上可行。

Engram推出了一种从用户上下文中学习的人工智能，通过在个人和企业数据上扩展计算能力，创建理解特定工作环境的模型。他们为代理提供API，并与Notion、Harvey和Microsoft建立了合作关系。

gwern 提出了'守护天使'方案，主张训练一个模仿用户本人的 LLM 数字分身，以解决通用 AI 助手的委托-代理问题和安全风险，并给出了从对齐理论到技术实现的完整路线图。

这是一次对个性化AI智能体背后实际差距和动机的反思性探究，探讨了当前系统在“了解”用户方面的失败之处，以及有益个性化和替代自我之间的界限。

本文提出了一种针对长上下文对话系统中记忆访问与选择的统一框架，利用贝叶斯因子量化历史轮次对建模变化用户偏好的效用。实验表明，在偏好密集型任务中，该框架优于基于嵌入的检索方法。

PersonalAI 2.0 引入了一个框架，通过集成外部知识图谱与动态多阶段查询处理及自适应规划机制，增强了基于LLM的系统，在多个基准测试中实现了幻觉率降低和精度提升。

MaxHermes 是一个跨会话保留记忆的AI代理，能从已完成任务中自动生成技能，并通过重复使用不断优化，实际上充当了消息平台工作流程中个性化、始终在线的助手。