文章主要内容和创新点主要内容本文提出了一种名为双阶段自进化（Dual-Phase Self-Evolution, DPSE）的框架，旨在解决大型语言模型（LLMs）在预训练后难以同时优化用户偏好适应和特定领域能力的问题。现有后训练方法（如偏好优化、记忆增强）多侧重用户对齐，却忽视领域认知提升，而监督微调（SFT）依赖大规模人工标注数据，成本高昂。DPSE框架的核心包括：审查模块（Censor Module）：从用户-模型交互中提取5种多维信号（显式反馈、停留时间、连贯性、相似度、情感），通过动态门控和可信度评估计算满意度分数，并进行主题分类，构建结构化记忆。双阶段数据扩展：基于满意度分数的偏好驱动扩展（偏向高满意度样本）和基于主题分布的主题感知扩展（平衡领域多样性），自动生成训练数据。两阶段微调：先通过监督微调在领域扩展数据集上强化领域认知，再通过频率感知的偏好优化（基于DPO）对齐用户偏好。实验表明，DPSE在通用NLP基准（AlpacaEval 2.0、MT-Bench）和长期对话任务（LoCoMo数据集）上，性能均优于SFT、偏好优化（如DPO、UPO）和记忆增强（如ReadAgent、MemoryBank）等基线方法，且消融实验验证了各模块的必要性。创新点联合优化用户偏好与领域能力