跳到正文
arXiv cs.AI· Jingyu Liu, Zongze Li, Zach Xu, Zhanhui Zhou, Tahseen Rabbani, Dawn Song, Ce Zhang·· 4 小时前AI 评分52

论文提出极简 RAG 记忆 BRIDGE,并揭示记忆评测的盲区

RAG in a Trenchcoat: When Minimal Memory Is Enough for Agentic Systems, and When It Isn't

AI 导读

论文提出极简 RAG 记忆方案 BRIDGE,仅用链式观察笔记、BM25 与余弦混合检索和时间顺序渲染,在 LongMemEval-S 和 BEAM 上与先前 SOTA 在 bootstrap 置信区间内持平。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:Agentic memory 研究在检索增强生成之上,累积了抽取、取代、反思与图合成等机制。然而,我们发现,在我们测试的记忆基准上,这些原语几乎都无法收回其成本:我们通过 BRIDGE 展示了这一点——一个刻意极简的 RAG 记忆系统,采用链式观察笔记、混合 BM25 与余弦检索,以及按时间顺序渲染,在 LongMemEval-S 和 BEAM 上以 bootstrap CI 达到与先前 SOTA 持平,并在匹配 reader 的情况下,在 EverMemBench 上以 5.7-6.3 分的优势击败最佳记忆基线。它每次查询运行约 5-7K reader-prompt token,每次摄取或查询仅使用一次 LLM 调用。我们认为,这种持平本身就是结果:标准基准衡量的是记忆检索到什么,而不是记忆在 agent 行动时能使其做到什么。为测试后者,我们引入了五个对抗性探针(规则应用 +-、模式归纳 风格 / 程序性、动态多轮),在生成时由跨厂商验证链进行评判,其中每个查询只能通过应用其从未提及的已记忆规则或模式来解决。在 5 个探针 × 20 个场景中,没有一种架构能普遍获胜:原子事实抽取器(LangMem)在规则应用上获胜,而 BRIDGE 的块摘要记忆在模式归纳上获胜。这一结果在四个领域、三个评分器和三个 reader 系列中均成立。每种设计都在对方获胜之处失败,原因在于召回基准无法看到:原子事实抽取器丢弃了所演示模式的形式,而块摘要记忆检索到了规则,但 reader 并未据此行动,这一差距通过更醒目地呈现规则在很大程度上得以弥合。区分记忆设计的不是它们检索到什么,而是它们使 agent 能够做什么,而这正是 agentic memory 应当被评估的方面。
评论: 第 40 届神经信息处理系统大会(NeurIPS 2026),主会议
主题: 人工智能(cs.AI)
引用为: arXiv:2611.22179 [cs.AI]
  (或 arXiv:2611.22179v1 [cs.AI] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.22179

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Jingyu Liu [查看邮箱]
[v1] 2026 年 11 月 17 日星期二 04:16:34 UTC(188 KB)

来源:arXiv cs.AI · arxiv.org