协同过滤驱动的LLM记忆路由与补全：模板化共识的上下文植入与用户记忆预测
从协作推荐到动态记忆预测的范式转变，通过将协同过滤转化为“群体记忆路由器”，系统可在用户尚未完整表达意图时，主动补全其潜在上下文，实现“预测式交互”。1. 引言与问题定义协同过滤（Collaborative Filtering, CF）是推荐系统的核心支柱，其中基于矩阵分解（Matrix Factorization, MF）的方法通过将用户-物品交互矩阵分解为低维潜在因子，构建出用户与物品的“记忆模板”——即稠密嵌入向量（Embedding Vectors）。这类方法在预测准确性上取得了显著成功，但在面向大规模、高动态性、强可解释性的现代推荐系统时，其单一、全局、静态的嵌入表示暴露出三重...