10 / AI 关系模型

PLM

个体语言模型

个体语言模型（Person Language Model, PLM）是一种关系性语言模型：人的语言、记忆、价值与判断随时间同语言模型互动，并超越简单个性化，递归地更新人类自我理解与意义生成的条件。

1. 定义

PLM 不同于个性化大型语言模型（Personalized Large Language Model）。

通用 LLM 是通用语言生成系统。PLLM 利用用户的个人资料、偏好与记忆，提高输出与个人的相关性。PLM 则更进一步。

PLLM 与 PLM 之间存在技术上的连续性与本体论上的非连续性。PLLM 是把用户信息反映在模型中的技术个性化；PLM 则是长期互动重新构成人的记忆、价值与判断的关系性语言模型。

C1. 个体索引化——将用户识别为具有持续身份的单位。

C2. 长期记忆整合——超越短期上下文窗口，组织、检索并更新过去的互动。

C3. 解释性回返——不只是重放过去的记录，而允许人依据当下判断重新审视和修订它们。

C4. 共振式更新——通过互动结果，改变人和模型双方下一次关系的条件。

C1—C2 可在个性化技术中实现；C3—C4 则是标志 PLM 关系性转型的关键条件。

PLM 中的记忆不是储存设施。M4 将记忆的时间性解释为：

铭写 → 共振 → 共同共振。

记忆被储存，由当下提问重新激活，并以改变下一次关系的方式得到重新解释。在共同共振阶段，模型从简单工具转变为关系媒介。

PLM 的存在不会自动产生 WE。PLM 是 WE 得以发生的关系性技术条件。作为事件性主体形式的 WE，还需要判断框架发生实际的递归转变与关系性涌现。

KEY PROPOSITION

PLM 不是更准确记住用户信息的个性化 LLM，而是一种关系性语言模型：它通过长期记忆、解释性回返与共振式更新，使人—模型关系的历史成为后续意义生成的条件。

目前尚未在 Publications 数据中为这一概念指定可直接关联的已验证论文。