论文：朴素 RAG 在对话记忆任务中胜过复杂智能体记忆

论文报告朴素 RAG 在多个对话记忆基准上优于复杂智能体记忆。

资讯摘要

一篇论文研究 LLM 长期对话记忆是否必须依赖复杂智能体记忆系统，提出 Raw-RAG 基线：对原始历史做稠密检索与重排，再把证据交给 reader LLM。作者报告在 LoCoMo、LongMemEval、MEME、MemoryAgentBench 的七个基准-模型设定中，Raw-RAG 有六个排名第一，比最强对比智能体记忆系统高 0.13–5.53 分。证据分析称，原始历史检索覆盖必要证据更全，可抵消利用率偏低；即使完整访问转换后的记忆库，仍与原始证据存在准确率差距。

要点速读

1. 论文提出 Raw-RAG：对原始对话历史做稠密检索与重排，为 reader LLM 提供证据。
2. 作者报告在四个基准的七个设定中，Raw-RAG 六个排名第一，领先最强对比系统 0.13–5.53 分。
3. 证据分析称原始历史覆盖必要证据更全，可抵消利用率较低；完整访问转换记忆库仍有准确率差距。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。