AI 个性化与自适应系统可视化实验室

三种 LLM 个性化范式：Prompt 注入（实时上下文）、微调（用户专属模型）、RAG（记忆检索）。切换范式观察工作流程差异。

在线偏好学习闭环：用户交互 → 反馈信号 → 偏好更新 → 内容适配。流程图展示偏好学习的闭环，标注反馈延迟。

新用户冷启动方案：问卷引导 → 相似用户迁移 → 探索-利用平衡 → 快速画像收敛。流程图展示冷启动到个性化的过渡路径。

实时上下文感知：时间 / 位置 / 设备 / 情绪 / 任务上下文 → 内容适配 → 交互调整。上下文树展示不同维度对输出的影响。

LLM 增强推荐：传统召回排序 → LLM 重排 → 生成式推荐 → 对话式探索。管线图展示推荐管线的演进。

个性化中的隐私保护：差分隐私画像、联邦个性化、用户数据主权、可解释推荐。切换隐私策略观察架构变化。

评估维度：准确率、多样性、新颖性、公平性、隐私性、实时性。雷达图对比规则系统 vs 传统 ML vs LLM 个性化。