本文研究了LLM个性化，它通过调整大规模语言模型（LLM）的输出来反映个人偏好和观点。鉴于目前缺乏统一的理论框架来系统地理解有效个性化背后的驱动力，我们将认知双重记忆模型融入LLM个性化。具体而言，我们提出了一个统一的框架PRIME，它将情景记忆映射到过去的用户参与度，将语义记忆映射到长期的用户信念。此外，我们还添加了受慢速思维策略启发的个性化思维功能。为了评估长期情境个性化，我们引入了一个专门设计的数据集，该数据集使用了Reddit的“更改我的观点”（CMV）。大量实验证明了PRIME的有效性，表明它能够有效捕捉动态个性化，而不仅仅是流行度偏见。
