NeurIPS 论文:极简 RAG 记忆打平 SOTA Agent 记忆系统
dair_ai · x · 2026-11-19
NeurIPS 2026 论文《RAG in a Trenchcoat》发现,主流 Agent 记忆架构堆叠的事实抽取、反思、图合成等复杂组件,在标准记忆基准上几乎都赚不回成本。
作者提出 BRIDGE:仅存储链式观察笔记,用 BM25+embedding 混合检索并按时间顺序呈现,每次写入/查询只需一次 LLM 调用、约 5-7K token。它在 LongMemEval-S 和 BEAM 上与此前 SOTA 打平(置信区间内),在 EverMemBench 上超出最佳记忆基线 5.7-6.3 分。
更有意思的是作者设计了 5 类对抗性探针,测试记忆能否让 Agent 在问题未明说时应用已记住的规则或模式:结果没有任何单一设计全面胜出——原子事实抽取的 LangMem 赢在规则应用,BRIDGE 的块摘要赢在模式归纳。结论:标准基准只衡量记忆"检索到什么",而非"让 Agent 能做什么",后者才应是 Agent 记忆的评测标准。
所属事件:研究称极简 RAG 记忆可打平复杂 Agent 记忆系统(2 条相关)→
「编程与Agent」频道最新
- AI Engineer 大会观察:工程师一年内转向管会话与隐含假设 — TheTuringPost · 2026-11-19
- HF 团队用 RL+单个 LoRA 把 Qwen3.8-27B 的 SWE-bench Pro 从 39% 提到 65% — TheTuringPost · 2026-11-19
- 观点:agent 不擅长软件设计,因为人类的软件本来就烂 — hargup13 · 2026-11-19
- VS Code 官方文档:如何管理 agent 会话 — adnan_hashmi · 2026-11-19
- 有人用一个提示词复刻出完整使命召唤类射击游戏 — thisdudelikesAI · 2026-11-19
- 开源项目 Affordance:把 Agent 运行时做成「模型专用浏览器」 — cneuralnetwork · 2026-11-19