论文称朴素RAG在多项长期对话记忆基准上胜过复杂智能体记忆

Zhengye Bao、Shengtao Zhang等研究Raw-RAG：对原始对话历史做稠密检索与重排，再供阅读大模型作答。作者称在LoCoMo、LongMemEval、MEME与MemoryAgentBench上，Raw-RAG在七组基准—模型设定中有六组排名第一，较最强对比智能体记忆系统高出0.13至5.53分。论文称证据覆盖更高可抵消利用率偏低；即便完整访问经变换的记忆库，相对原始证据仍有准确率缺口，挑战复杂智能体记忆在所评对话任务上的必要性。