В препринте от 22 октября исследователи сравнили Raw-RAG со сложными системами долговременной памяти языковых моделей. По их измерениям, простой поиск по исходной истории диалогов занял первое место среди сравниваемых систем памяти в шести из семи сочетаний тестового набора и модели. Преимущество над ближайшим соперником составило 0,13–5,53 процентного пункта. Проверяли четыре набора: LoCoMo, LongMemEval, MEME и MemoryAgentBench.

Длинная история может превысить контекст модели: агенту приходится выбирать, что вспомнить. Некоторые системы заранее превращают разговоры в краткие факты, сводки или графы связей. Raw-RAG сохраняет исходный текст: сначала ищет подходящие фрагменты по смыслу, затем отдельная модель уточняет их порядок по релевантности. Языковая модель получает выбранные фрагменты и сама разбирается, что произошло раньше и какие сведения изменились. Авторы связывают результат с сохранением не только отдельных ответов, но и отношений между событиями.

Победа не универсальна. На MEME с DeepSeek-V4-Flash Raw-RAG уступил MemMachine; передача всей истории напрямую дала ещё более высокий результат — 63,17% против 43,19%. Полный контекст вообще не входит в сравнение «шесть из семи». Исследование проверяет записанные диалоги, а не длительную работу живого агента. Требования к приватности и удалению данных остаются отдельной задачей.

Авторы опубликовали код экспериментов под MIT-лицензией. Работа предлагает конкретную проверку для разработчиков: прежде чем усложнять память, показать выигрыш над хорошо настроенным поиском по оригиналам.