个性化大型语言模型（LLMs）通过个性化碎片（Per-Pcs）框架实现用户定制交互、内容和推荐。Per-Pcs将用户的参数高效微调（PEFT）拆分为碎片，并训练门控模型，实现用户根据历史数据选择和组装个性化的PEFT。实验结果表明，Per-Pcs优于非个性化和PEFT检索基线，在性能和资源消耗方面都有显著提升。Per-Pcs具有可扩展性和模块化特点，促进了安全共享和高效的LLM个性化。