EpisTwin：面向个人 AI 的知识图谱驱动神经符号架构
人工智能
2026-03-09 v1 计算与语言
摘要
个人人工智能目前受限于用户数据在孤立数据 silo 中的碎片化。虽然检索增强生成（RAG）提供了部分解决方案，但其依赖非结构化向量相似性无法捕捉至关重要的潜在语义拓扑和时序依赖关系。我们引入 EpisTwin，一种神经符号框架，通过可验证的用户中心知识图谱为生成式推理提供依托。EpisTwin 利用多模态语言模型将异构、跨应用数据提升为语义三元组。在推理阶段，EpisTwin 通过一个智能体协调器实现对个人语义图的复杂推理，该协调器将图检索增强生成与在线深度视觉细化相结合，动态地将符号实体重新锚定到其原始视觉上下文。我们还引入 PersonalQA-71-100，一个旨在模拟真实用户数字足迹并评估 EpisTwin 性能的合成基准。该框架在一系列最先进判官模型上表现出色，为可信赖的个人 AI 指明了前景方向。
引用
@article{arxiv.2603.06290,
title = {The EpisTwin: A Knowledge Graph-Grounded Neuro-Symbolic Architecture for Personal AI},
author = {Giovanni Servedio and Potito Aghilar and Alessio Mattiace and Gianni Carmosino and Francesco Musicco and Gabriele Conte and Vito Walter Anelli and Tommaso Di Noia and Francesco Maria Donini},
journal= {arXiv preprint arXiv:2603.06290},
year = {2026}
}