研究：朴素RAG在多数基准上胜过复杂Agent记忆

一篇新论文提出名为 Raw-RAG 的朴素检索基线：直接在原始对话历史上做稠密检索与重排序，不经过复杂的记忆加工。作者称，在 LoCoMo、LongMemEval、MEME 和 MemoryAgentBench 四个基准的七组模型设定中，Raw-RAG 有六组排名第一，比最强的对比智能体记忆系统高 0.13 至 5.53 分。 据此，论文作者认为，保留原始证据比做精细的记忆转换更关键，并以此质疑复杂智能体记忆系统的必要性。上述比较结果和结论均出自论文作者，尚待其他研究独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。