跳到正文
热点事件持续更新

RAW-RAG挑战复杂Agent记忆系统

1 篇报道1 个报道来源1 小时前更新

先了解这件事

AI 综述

西安交通大学团队公布RAW-RAG研究结果：在LoCoMo、LongMemEval、MEME和MemoryAgentBench四大记忆基准的7个基准—模型组合中，仅用稠密检索和重排序检索原始对话历史的朴素RAG有6项排名第一，较最强复杂Agentic记忆系统高0.13至5.53分。 研究认为，原始对话历史对证据的覆盖度可弥补利用率上的劣势；即使复杂系统完整访问转换后的记忆库，其准确率仍低于直接使用原始证据的方案。该结果限于上述基准与实验设置。

AI 根据报道生成 · 1 小时前更新

最新进展10月23日 12:17
西安交大 RAW-RAG 研究：朴素 RAG 在 7 项记忆基准中 6 项击败复杂 Agentic 记忆系统

报道时间线

沿着报道，了解事件的不同侧面。

10月23日
  1. AGI Hunt
    西安交大 RAW-RAG 研究：朴素 RAG 在 7 项记忆基准中 6 项击败复杂 Agentic 记忆系统

    西安交大团队的 RAW-RAG 研究显示，朴素 RAG 在 LoCoMo、LongMemEval、MEME、MemoryAgentBench 四大基准的 7 个基准-模型组合中有 6 项排名第一，领先最强复杂 Agentic 记忆系统 0.13–5.53 分。原始对话历史的证据覆盖度足以弥补利用率劣势，复杂系统即使完整访问转换后的记忆库仍落后于原始证据。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。