一句话看懂：alphaXiv 上一项论文预印本对多种 Agent 记忆系统做了大规模评测，发现不少专用记忆方案在多个基准上反而不如直接对原始历史做朴素 RAG，作者把这种损失称为“记忆税”。
事件核心：发生了什么
该研究以朴素分块 RAG 为参照，在多个基准和模型骨干上比较专用记忆系统。素材给出的代表性结果来自 LongMemEval-s 与 Qwen3.6-27B：SimpleMem 的 LLM 评判准确率为 73.6%，两轮 RAG 为 81.4%。另一组 MINT-Eval 与 Qwen3.6-27B 上，PlugMem 为 33.3%，两轮 RAG 为 33.1%，接近持平。作者未得出“所有记忆系统都输给 RAG”的结论，而是指出许多系统在许多设置下落后，部分基准与模型组合存在例外，且 RAG 在分块、检索、嵌入和重排等变体下仍保持较强表现。
为什么重要
长周期 Agent 的记忆设计通常被视为刚需，但这项评测提示：记忆不是免费的。作者将相对 RAG 的净价值拆成“记忆收益”和“记忆税”：前者指记忆系统答对而 RAG 答错的查询，后者指记忆系统答错而 RAG 答对的查询。记忆重构可能整合分散事实、提炼偏好，也可能删除或模糊证据。论文进一步用“忠实度”和“可访问性”分析损失来自证据在记忆构建中丢失，还是保留但难以检索。若这一视角被广泛采用，Agent 记忆的竞争重点会从单独跑分转向与原始检索对照的净收益。
对用户/开发者/创作者的影响
对开发者而言，直接上复杂记忆管线未必划算，先以原始历史 RAG 做基线更稳妥；接入记忆模块时应同时评估准确率与 token 成本。对使用个人助理类 AI 应用的用户，历史信息被摘要或结构化后，可能更易调用，也可能丢失关键细节。对企业采购和平台方，这意味着记忆产品的宣传指标需要附带对照条件和成本口径。目前公开信息显示，论文页面为 alphaXiv 预印本，代码与结果计划开源，但不应把摘要结论当作已通过同行评审的定论。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是看作者开源的代码与结果是否覆盖更多模型和基准；二是看 SimpleMem、MemOS、A-Mem 等记忆系统是否针对“记忆税”调整设计；三是看后续产品是否给出与朴素 RAG 同条件的净价值对比，而非只报绝对准确率。
来源：alphaXiv
