一天四篇记忆论文：最笨的检索赢了，删除也删不干净
周五的 arXiv 对 agent 记忆层不太友好。一天之内出了四篇论文，放在一起看，结论很扎心：记忆里花哨的那部分基本没帮上忙，无聊的那部分却在悄悄出问题。
先看西安交大的 Raw-RAG。标题直接问"复杂的 agent 记忆真的有必要吗"，答案是没必要。最朴素的稠密检索加一个 reranker，直接在原始对话历史上搜，在 LoCoMo、LongMemEval、MEME、MemoryAgentBench 的 7 组模型和基准组合里拿了 6 个第一，比最好的 agent 记忆系统高 0.13 到 5.53 分。更狠的是，就算把加工过的记忆库完整开放给模型，效果也不如直接给原始证据。每一次总结、抽取、合并都在丢信息，基准测得出来。论文：https://arxiv.org/abs/2610.30755 代码：https://github.com/Litmeb/RAW-RAG
第二篇更吓人。AfterDeleteBench 问的是：删掉一条记忆之后，到底删掉了什么？结果是在 Qwen2.5-7B 上，只用一次查询，大约三分之二的情况能把已删除的秘密问出来，而从没见过这条秘密的对照组是 0。只剩下分开存放的碎片时，在 Qwen、Mistral、Phi-3 上精确还原的成功率是 62% 到 99%。删掉源头，管不了从它派生出来的摘要、向量和笔记。把下游派生物一起清掉的"溯源闭包"才让泄露归零。作者的原话是，删除要按行为去测，而不只是一次存储操作。所有给用户做"忘掉这条"按钮的团队都该读一读：https://arxiv.org/abs/2610.31366
第三篇不改记忆内容，只改"哪些记忆算有效"的账本。6 家服务、2080 组配对故障，内容一字不动、只翻转有效状态，96.25% 的情况下模型实际用到的上下文变了，LongMemEval 掉 40.54 分；强制按正确状态执行就全部恢复：https://arxiv.org/abs/2610.30698 第四篇是预注册的具身实验：把记忆蒸馏进权重只多了 1 分，还不显著；挂一个冻结的检索缓冲区，多了 34 分：https://arxiv.org/abs/2610.30478
再把上周的 MemoryTax 拿过来对照，Opus 5.5 加原始历史搜索拿到 99%、成本不到一半，规律已经很清楚了。强模型要的是原始记录加一个好用的搜索框。真正值钱的工程是溯源：知道每条信息从哪来、现在还算不算数、源头删了之后哪些东西必须跟着消失。那些卖"聪明合并"的记忆创业公司，做的恰恰是基准一再投反对票的那一层。
← 返回所有文章
先看西安交大的 Raw-RAG。标题直接问"复杂的 agent 记忆真的有必要吗"，答案是没必要。最朴素的稠密检索加一个 reranker，直接在原始对话历史上搜，在 LoCoMo、LongMemEval、MEME、MemoryAgentBench 的 7 组模型和基准组合里拿了 6 个第一，比最好的 agent 记忆系统高 0.13 到 5.53 分。更狠的是，就算把加工过的记忆库完整开放给模型，效果也不如直接给原始证据。每一次总结、抽取、合并都在丢信息，基准测得出来。论文：https://arxiv.org/abs/2610.30755 代码：https://github.com/Litmeb/RAW-RAG
第二篇更吓人。AfterDeleteBench 问的是：删掉一条记忆之后，到底删掉了什么？结果是在 Qwen2.5-7B 上，只用一次查询，大约三分之二的情况能把已删除的秘密问出来，而从没见过这条秘密的对照组是 0。只剩下分开存放的碎片时，在 Qwen、Mistral、Phi-3 上精确还原的成功率是 62% 到 99%。删掉源头，管不了从它派生出来的摘要、向量和笔记。把下游派生物一起清掉的"溯源闭包"才让泄露归零。作者的原话是，删除要按行为去测，而不只是一次存储操作。所有给用户做"忘掉这条"按钮的团队都该读一读：https://arxiv.org/abs/2610.31366
第三篇不改记忆内容，只改"哪些记忆算有效"的账本。6 家服务、2080 组配对故障，内容一字不动、只翻转有效状态，96.25% 的情况下模型实际用到的上下文变了，LongMemEval 掉 40.54 分；强制按正确状态执行就全部恢复：https://arxiv.org/abs/2610.30698 第四篇是预注册的具身实验：把记忆蒸馏进权重只多了 1 分，还不显著；挂一个冻结的检索缓冲区，多了 34 分：https://arxiv.org/abs/2610.30478
再把上周的 MemoryTax 拿过来对照，Opus 5.5 加原始历史搜索拿到 99%、成本不到一半，规律已经很清楚了。强模型要的是原始记录加一个好用的搜索框。真正值钱的工程是溯源：知道每条信息从哪来、现在还算不算数、源头删了之后哪些东西必须跟着消失。那些卖"聪明合并"的记忆创业公司，做的恰恰是基准一再投反对票的那一层。
评论