EpisTwin：面向个人AI的知识图谱依据对齐神经符号架构

个人人工智能目前受制于用户数据在孤立孤岛间的碎片化。检索增强生成提供了部分补救，但其对非结构化向量相似度的依赖无法捕捉整体意义建构所需的潜在语义拓扑和时间依赖。我们提出EpisTwin，一个神经符号框架，将生成式推理建立在可验证的、以用户为中心的个人知识图谱。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。在推理时，EpisTwin通过一个结合Graph Retrieval-Augmented Generation与Online Deep Visual Refinement的Agentic协调器，实现对个人语义图的复杂推理，将符号实体动态重新关联至其原始视觉上下文。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。我们的框架在一系列最先进的裁判模型上展现出稳健的结果，为可信个人AI提供了一个有前景的方向。