研究：朴素 RAG 在 7 项长记忆基准中 6 项击败复杂 Agent 记忆系统
omarsar0 · x · 2026-10-23
西安交大、上交大、浙大与港中文的新论文《Is Complex Agentic Memory Always Needed?》显示，对原始对话做密集检索+重排的 Raw-RAG 在大多数长期记忆基准上胜过复杂的 agentic 记忆系统。
- 成绩：在 LoCoMo、LongMemEval、MEME、MemoryAgentBench 的 7 组基准-模型设置中 6 组排名第一，领先最强 agentic 记忆系统 0.13–5.53 分。
- 效率：BEAM-1M 数据摄入仅 0.3 小时，而 Mem0、MemOS、Memora 等需 3.2–27 小时。
- 原因：原始历史保留了回答所需的证据，包括关系与依赖路径；把历史改写成记忆条目往往丢失这些关键信息。即使模型能完整访问改写后的记忆库，准确率仍不及直接用原始证据。
结论：复杂 agentic 记忆的必要性被高估，朴素 RAG 应作为必备基线。
所属事件:研究称朴素 RAG 多数场景胜过复杂 Agent 记忆系统(2 条相关)→
「编程与Agent」频道最新
- Anthropic 官方回应 Claude Code 用量异常：已着手修复 — thesaraharminta · 2026-10-23
- AI 时代人人自建软件?Reddit 热议软件行业还剩什么护城河 — InfluenceSilver3590 · 2026-10-23
- 实测对比 5 种部署方案：直连 gcloud CLI 省 token 效果最佳 — rseroter · 2026-10-23
- rez0 回应「Prompt 工程已死」:好提示词仍能显著改变模型表现 — rez0__ · 2026-10-23
- 云端多用户 AI 软件工厂怎么搭?开发者征集工具链方案 — Signal-Scholar1299 · 2026-10-23
- 银行争试 Agent,专家提醒先要审计追踪再谈编排 — krishnan · 2026-10-23