研究:极简 RAG 记忆在主流基准打平复杂 agent 记忆系统
_reachsumit · x · 2026-11-18
Jingyu Liu、Dawn Song、Ce Zhang 等发布 arXiv 论文《RAG in a Trenchcoat》,系统检视 agent 记忆研究。
- 核心发现:现有记忆基元(抽取、取代、反思、图谱合成)在测试的基准上几乎都赚不回成本。作者提出刻意极简的 BRIDGE——链式观察笔记 + BM25 与余弦混合检索 + 按时间渲染——在 LongMemEval-S 和 BEAM 上与此前 SOTA 打平(bootstrap CI 内),在 EverMemBench 上同读取器下超最佳基线 5.7-6.3 分;每查询约 5-7K 读取 token,单次 LLM 调用。
- 作者论证"打平"本身就是结果:标准基准衡量的是记忆检索到什么,而非记忆让 agent 能做什么。为此引入 5 个对抗探针(规则应用、模式归纳等),每条查询只能靠应用记住的规则/模式解开,用跨厂商验证链在生成时判定。
- 结果:5 探针 × 20 场景 × 4 域 × 3 评级器,没有一种架构全面胜出——原子事实抽取器(LangMem)赢规则应用,BRIDGE 的块摘要记忆赢模式归纳。
「编程与Agent」频道最新
- 一个月 27 个 vibe coding 版 Finder,多数已死或停更 — KaKi_87 · 2026-11-18
- Hugging Face 用 RL+LoRA 适配 Qwen 给 pi 编码 agent,SWE-bench Pro Hard 从 29.4% 升至 62.7% — art_zucker · 2026-11-18
- Forrest PKnight 排名各编程语言:看 AI 写哪种代码最顺手 — Dan_Jeffries1 · 2026-11-18
- 用 Claude 加 Unreal Engine 5.9 MCP,一天做出游戏续作原型 — TomLikesRobots · 2026-11-18
- 开源 guardrail-middleware:纯确定性检查点拦截失控的 Agent 工具调用 — MidnightHeavy3064 · 2026-11-18
- 最离不开的 Agent 最无聊:每天自动整理下载文件夹的发票与收据 — Winterocean812 · 2026-11-18