RAW-RAG 开源：朴素 RAG 基线 256 窗口检索重排，挑战复杂 Agent 记忆系统

JeremyCMorgan · x · 2026-10-28

论文《Is Complex Agentic Memory Always Needed? Naive RAG Is Stronger Than We Thought》的实现与实验代码 RAW-RAG 已在 GitHub 开源（MIT 协议）。核心主张：长期对话记忆未必需要复杂的 agentic memory（变异、结构化组织、学习式检索等操作），保留原始历史 + 检索相关证据 + 让 reader 推理的朴素方案往往足够强。作者 Jeremy Morgan 给出可复现的具体配置：256-token 窗口切分、检索 128 条、cross-encoder 重排到 15 条，并放话：如果你的 graph memory 在自己的数据上跑不赢这个基线，那 graph 就是「只有成本没有回报」；跑得赢，你就有了一个可以辩护的数字。仓库含 EverCore 等对比方法与复现脚本。