# 检索与记忆：长上下文之外的事实更新

前沿版本：2026-10-16.1；进展：ADV05
事实范围：2026-10-13；各研究的首发与修订日期见下方时间线
阶段：研究验证：检索、长上下文和结构化事实各自有受控评测，但跨季度知识更新、生产系统的可靠性、复核成本和持续采用尚无统一证据。
状态：active


## 概念与例子：检索、长上下文与记忆有什么区别

检索从资料库找到相关证据，长上下文把更多材料放进一次输入，记忆则在跨次工作中保存事实、来源和状态。它们解决不同问题，通常需要组合，而不是互相完全替代。

一个客户本月改了合同条款：系统不仅要找到旧合同，还要识别哪个版本生效、哪些事实已撤回，并在下次回答中继续使用正确状态。仅把全部聊天塞进模型并不能保证做到这些。

- RAG检索增强：先找到外部资料，再让模型据此生成回答。
- Oracle条件：评测直接给出正确相关材料，暂时移除了检索困难，不是完整系统表现。
- 事实对象：把可检索事实拆成结构化条目；本页研究主要测压缩与检索，业务来源、有效期和撤销是另外需要核对的要求。
- Chain-of-Note（CoN）：先把相关会话整理成笔记再回答的附加方法；有无这一步会改变比较条件。
- 知识对象（KO）：把合成事实组织成有可搜索键的结构化条目，方便按对象找回，不能自动保证理解所有表达。

## 具体进展

### LaRA与LongMemEval分别测到什么

LaRA在2326道题、11个模型与小说、论文、财报语料上比较检索增强和长上下文。RAG设置使用600 token的分块、100 token重叠，结合GTE向量检索与BM25，取5块供模型回答。结果随任务、模型和材料长度变化；必须连同这些检索条件阅读，不能断言长窗口或检索总是更好。[LaRA](https://arxiv.org/abs/2502.09977)

同一GPT-4o、128k上下文行中，LaRA表2的推理题正确率为长上下文79.35%、RAG70.26%；无答案应拒答题则为长上下文56.34%、RAG67.33%。推理题含财报计算和人物关系，评判由GPT-4o判断答案正确性。这个例子说明两种方案在不同任务中各有优势，不是通用胜负。[LaRA](https://arxiv.org/abs/2502.09977)

LongMemEval用500题测试跨会话信息抽取、时间推理、事实更新与拒答。在LongMemEval_S约115k token历史、GPT-4o且未加CoN笔记步骤的条件下，图3b报告全历史输入为60.6%，直接给定相关会话的oracle为87.0%。这说明正确找到证据很重要；oracle已经移除检索难度，不是完整可部署系统的87%成功率。[LongMemEval](https://proceedings.iclr.cc/paper_files/paper/2025/file/d813d324dbf0598bbdc9c8e79740ed01-Paper-Conference.pdf)

既有研究报告的事实摘要与条件说明；具体引用在正文标注
对应材料：[LaRA](https://arxiv.org/abs/2502.09977)、[LongMemEval](https://proceedings.iclr.cc/paper_files/paper/2025/file/d813d324dbf0598bbdc9c8e79740ed01-Paper-Conference.pdf)

### 结构化知识对象：压缩后还找得回事实吗

知识对象研究用2000条合成药理事实比较两种记忆办法：Claude Sonnet 4.5把约11.1万字符压为约3000字符的摘要；知识对象（KO）把完整事实保存在外部数据库，绕过这项上下文压缩。§6.1/表3随机20题，摘要8/20（40%），知识对象20/20（100%）。两边存储条件不同，不能读成同样压缩后的通用模型能力或真实业务成功率。[事实对象研究](https://arxiv.org/abs/2603.17781)

另一项§7.3查询解析测试中，Haiku先把问题解析为主体/关系，SQLite按键找到完整事实，Sonnet再回答（原文未给Haiku精确型号）。干净表述端到端100%、非标准表述80%，原段未单独披露每种条件题数，不能借用前一个20题分母；词语未匹配存储键时可能失败。这是另一套查询解析测试。[事实对象研究](https://arxiv.org/abs/2603.17781)

论文主要测容量、压缩和键检索，没有验证金融文件多年更新、删除与撤销；合同变更仍是另需验收的业务需求。[事实对象研究](https://arxiv.org/abs/2603.17781)

作者合成事实实验；更新与撤销属于待验证业务需求
对应材料：[事实对象研究](https://arxiv.org/abs/2603.17781)

## 时间线

- 2025-02-14（论文/项目页面发布 / 日期）：LaRA的原始发布记录；不代表实验在该日完成
  日期依据：arXiv首稿记录
- 2025-03-05（论文修订 / 日期）：LaRA的版本修订，应按对应版本读取结论
  日期依据：原始页面修订记录
- 2026-03-18（论文/项目页面发布 / 日期）：事实对象研究的原始发布记录；不代表实验在该日完成
  日期依据：arXiv首稿记录
- 2026-10-13（研究材料范围 / 资料截止）：这份研究摘要的资料范围，不是上述事件统一发生的日期。
  日期依据：原研究报告事实范围

## 工作意义

应用建议（编辑推断）：客户改了合同条款时，先确认资料能被找回，再确认哪版生效，最后测试旧条款是否会被错误复用。可以准备更新、删除、冲突与应拒答的留出题，分别测试检索、上下文和结构化条目。

窗口长度与合成记忆分数都不能替代这套业务检查。来源、有效期和撤销状态是否可追溯，会直接影响人工核对时间；现有知识对象实验没有证明这些时间已下降。

### 后续观察

检索、上下文和结构化事实会按任务组合。若金融留出材料包含更新、删除、冲突与拒答，同预算比较显示证据召回和事实正确率提高，同时减少纠错及全成本，才支持更广部署；应观察跨季度来源覆盖、事实撤销和失效恢复。

## 证明材料

### LaRA: Benchmarking Retrieval-Augmented Generation and Long-Context LLMs -- No Silver Bullet for LC or RAG Routing

[LaRA](https://arxiv.org/abs/2502.09977)；类别：研究预印本；状态：active
支持：指定GPT-4o/128k行的推理与拒答结果，以及RAG检索配置；任务不同有不同优势。
定位：v2 §3.2（题型）、§3.4（答案判分）、§4.1（配置）、§4.2/表2（模型与结果）。
先确定问题类型与检索器，再比较各模型；不同条件不可拼成统一提升。
原始发布：2025-02-14；修订：2025-03-05；arXiv首稿记录
研究比较设置，不是金融业务部署或独立复验。
2026-10-14书目信息，非实验复验。

### LongMemEval

[LongMemEval](https://proceedings.iclr.cc/paper_files/paper/2025/file/d813d324dbf0598bbdc9c8e79740ed01-Paper-Conference.pdf)；类别：原始研究或机构项目说明；状态：active
支持：LongMemEval_S、GPT-4o、不加CoN时0.606/0.870对照及五类长期记忆能力。
定位：§3.4、图3b（印刷第6页）；相关数据与历史长度说明。
区分全历史输入与直接提供正确相关会话；oracle排除了检索困难。
原始发布：未知；修订：未提取；未从二进制资料猜测发布日期
作者评测结果；本页未重跑，不能把oracle当完整系统成绩。
2026-10-14书目信息，非实验复验。

### Facts as First Class Objects: Knowledge Objects for Persistent LLM Memory

[事实对象研究](https://arxiv.org/abs/2603.17781)；类别：研究预印本；状态：active
支持：完整外部事实KO与压缩摘要的不同存储条件；20题对照及另一未知分母解析测试，未验证业务撤销。
定位：§5.1（模型/数据）；§6.1/表3；§7.1–7.3/表6（解析/数据库/回答）；§9.7（限制）。
先分清压缩摘要与完整外部存储；§6.1分母20，§7.3题数未单独披露。它不是相同压缩预算的模型能力比较。
原始发布：2026-03-18；修订：未提取；arXiv首稿记录
合成数据、小样本与单种子；未验证长期业务更新、金融撤销或真实净人时。
2026-10-14书目信息，非实验复验。

本页整理：2026-10-14；事实范围：2026-10-13。概念解释与既有研究展开；元数据访问不是原始实验复验。

## 变化与限制
长记忆评测中，给对相关会话比塞入全历史更有效；合成事实实验则比较摘要与结构化对象的检索。资料更新、删除和冲突需要自己的验收。
指定研究的编辑判断，未对本站任务做新的完整现场验证。
来源→机制→任务适配，不分配来源分数给任务。

## 原子影响
- DATA-21835-A1（adjacent）：检索、上下文与记忆各有任务依赖，相关会话oracle不代表完整生产系统。
  相邻机制参考，不证明本原子通过；需实际输入、权限、独立验收和恢复。
  /atoms/DATA-21835-A1.md
- FDE-3480-A1（adjacent）：检索、上下文与记忆各有任务依赖，相关会话oracle不代表完整生产系统。
  相邻机制参考，不证明本原子通过；需实际输入、权限、独立验收和恢复。
  /atoms/FDE-3480-A1.md
- GROW-5441-A3（adjacent）：检索、上下文与记忆各有任务依赖，相关会话oracle不代表完整生产系统。
  相邻机制参考，不证明本原子通过；需实际输入、权限、独立验收和恢复。
  /atoms/GROW-5441-A3.md

网页不授予业务权限，相邻研究不证明当前任务通过，未知保持未知。