Raw-RAG 研究发现朴素 RAG 比复杂智能体记忆系统更优
Raw-RAG 在 LoCoMo、LongMemEval 等七项基准测试中六项排名第一，超越最强智能体记忆系统 0.13-5.53 分。该研究通过朴素 RAG 基线（原始历史检索+重排序）证明，直接保留原始证据比复杂记忆操作更有效。
#RAG
HuggingFace Daily PapersAI 评分4545
HuggingFace Daily PapersAI 评分4545 检索增强生成组合性研究
研究发现 RAG 技术单独优化与组合效果差异显著，450 组配置测试显示组合增益仅 17%，远低于预期的 47%；最佳组合随语料库规模变化，小语料最优方案在大规模时失效。LASAGNA 开源框架支持此类评估。
HuggingFace Daily PapersAI 评分4040 多模态重排序是系统一决策
研究提出通用视觉语言模型可通过系统一决策实现多模态重排序，零样本Qwen3.8-27B在MMEB-V2图像检索中超越监督模型Qwen3-VL-Reranker-2B，匹配Reranker-8B性能且延迟更低。
HuggingFace Daily PapersAI 评分4545 Deep Fusion Memory: 大语言模型的块级参数化记忆架构
Deep Fusion Memory (DFM) 是一种参数化记忆架构，通过块级记忆预测和门控交叉注意力将知识融入中间隐藏状态，无需显式检索。相比现有方法，DFM 构建训练数据的检索查询量减少 32 倍，检索项减少 2048 倍。在六项 QA 任务中，DFM 在 Mistral-7B-v0.3 和 Qwen3-8B-Base 上分别超越最强基线 12.71% 和 11.19%。