본 논문은 대규모 언어 모델(LLM) 개인화를 위한 통합 이론적 프레임워크인 PRIME을 제시합니다. 기존의 개인화 방법들이 다양하게 존재하지만, 효과적인 개인화의 원리를 체계적으로 이해하는 통합된 이론적 프레임워크가 부족하다는 점을 지적하며, 인지 심리학의 이중 기억 모델(dual-memory model)을 LLM 개인화에 통합합니다. 구체적으로, 에피소드 기억을 사용자의 과거 상호작용에, 의미 기억을 장기간에 걸친 사용자 신념 변화에 대응시키고, 이를 바탕으로 PRIME 프레임워크를 제시합니다. 또한, 느린 사고 전략에서 영감을 얻은 새로운 개인화된 사고 능력을 PRIME에 추가하고, 장기간 맥락의 개인화 평가를 위해 Reddit의 Change My View (CMV) 데이터를 활용한 새로운 데이터셋을 소개합니다. 실험 결과, PRIME이 장단기 맥락 모두에서 효과적이며, 단순한 인기도 편향을 넘어 동적인 개인화를 잘 포착함을 보여줍니다.
