AI 어시스턴트가 Sarah가 두 개의 직업을 가진 한부모라는 사실을 기억할 때, 그녀가 부유한 임원일 때보다 그녀의 스트레스를 다르게 해석할까? 개인화된 AI 시스템이 점차 장기 사용자 기억을 통합함에 따라, 이 기억이 감정적 추론을 어떻게 형성하는지 이해하는 것이 중요하다. 우리는 15개 모델을 인간이 검증한 감성 지능 테스트로 평가하여, 사용자 기억이 대규모 언어 모델(LLM)의 감성 지능에 어떤 영향을 미치는지 조사한다. 우리는 동일한 시나리오가 서로 다른 사용자 프로필과 결합될 때 체계적으로 다른 감정적 해석을 생성함을 발견했다. 검증된 사용자 독립적 감정 시나리오와 다양한 사용자 프로필 전반에서, 우위에 있는 프로필이 더 정확한 감정적 해석을 받는 체계적 편향이 여러 고성능 LLM에서 나타났다. 더욱이, LLM은 감정 추론 및 지지적 추천 작업에서 인구통계학적 요인에 걸쳐 상당한 격차를 보여주며, 이는 개인화 메커니즘이 사회적 위계를 모델의 감정적 추론에 내장할 수 있음을 시사한다. 이러한 결과는 기억 증강 AI에 대한 주요 과제를 강조한다: 개인화를 위해 설계된 시스템은 사회적 불평등을 강화할 수 있다. 이러한 격차를 완화하기 위해, 우리는 인구통계학적 프로필이 감정 이해에 미치는 영향을 줄이도록 설계된 범용 선호 데이터셋을 구성했다.
대규모 언어 모델(LLM)에서 사용자 측 메모리는 일반적으로 단일한 "개인화" 역량으로 평가된다: 사용자의 이력이 주어졌을 때, 출력이 사용자를 더 잘 인식하는가? 우리는 이 집계 지표가 반대 방향의 실패를 숨기고 있음을 보인다. 메모리는 최소 세 가지 직교 축으로 분해된다 -- 행동 일관성(스타일, 어조), 사실 존재(이력에서 사실을 재현), 사실 부재(사실이 없을 때 답변 보류) -- 이며, 단일 기반이 세 가지 모두에서 우위를 점하지 않는다. 통제된 50명 사용자 합성 코퍼스와 실제 데이터 탐색(LaMP-3)에서 사용자별 gamma-LoRA(각 사용자 이력으로 학습된 소형 LoRA 어댑터; gamma는 과제별이 아닌 사용자별을 의미)와 BGE-large 밀집 상위-K 검색을 비교한 결과, gamma-LoRA는 행동 스타일에서 결정적 우위를 보이는 반면 검색-증강 생성(RAG)은 사실 부재에서 결정적 우위를 보인다 -- 어텐션 레이어 21~35의 동일한 쿼리 프로젝션 셀이 두 효과 모두에 대해 인과적으로 반대 방향의 부하를 담당한다(해당 LoRA 가중치를 제로로 만들면 부재 탐침 진양성률(TPR)이 +33 pp 상승하고 존재 탐침 TPR이 20 pp 하락한다). 인간 피드백 강화학습(RLHF) 튜닝이 더 강하게 적용된 Llama-3.1-8B-Instruct에서는 비대칭성이 해소되지 않고 오히려 강화된다: 매개변수 메모리의 행동적 우위는 붕괴하고, 검색 대비 부재 보정 격차는 확대된다 -- 이는 매개변수 사용자 메모리에 대한 정렬 비용(alignment tax)이다. 실제 데이터 LaMP-3에서 gamma-LoRA는 다수 기준선보다 성능이 낮다; 9가지 조건의 완화 탐색은 이를 기반 실패가 아닌 지시 따르기 붕괴로 진단한다(9×2 교차곱에서 평가 시 {1..5} 로짓 마스크가 모든 레시피에서 main_acc를 >=0.995로 높인다). 그리고 최선의 학습 시 수정은 Llama에서 비트 동일하게 재현된다. 끝으로, 기반 선택 라우팅은 보정이 아닌 분류의 문제이다: 질문 텍스트만으로 학습된 1억 1천만 파라미터 DistilBERT가 모든 로짓 기반 라우터를 능가한다. 우리는 진단 프레임워크, 진단된 실제 데이터 부정적 결과, 정렬 비용 재현, 그리고 라우팅을 분류로 보는 발견에 기여한다.