训练与系统机制
知识检索、长上下文与记忆
LaRA比较检索与长上下文，LongMemEval测试跨会话事实理解；事实对象实验比较压缩后如何找回信息。不同任务有不同瓶颈，没有统一赢家，业务更新与撤销还需另外验证。
整理 2026-10-14 · 研究材料截至 2026-10-13
先理解研究对象
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。
具体发生了哪些进展
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。[1]
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。[1]
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。[2]
对应材料：LaRALongMemEval
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
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。[3]
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。[3]
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。[3]
对应材料：事实对象研究
作者合成事实实验；更新与撤销属于待验证业务需求
进度与时间线
论文发布、修订、业务进度和资料截止分别标识。未披露的事件日不补成精确日期。
2025-02-14论文/项目页面发布
LaRA的原始发布记录；不代表实验在该日完成
arXiv首稿记录 · 日期
2025-03-05论文修订
LaRA的版本修订，应按对应版本读取结论
原始页面修订记录 · 日期
2026-03-18论文/项目页面发布
事实对象研究的原始发布记录；不代表实验在该日完成
arXiv首稿记录 · 日期
2026-10-13研究材料范围
这份研究摘要的资料范围，不是上述事件统一发生的日期。
原研究报告事实范围 · 资料截止
这对实际工作意味着什么
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。
还有什么需要观察
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。
引用的证明材料
正文中的编号指向下列材料。材料类别、具体支持与限制一起阅读，不能按链接数量累计独立验证。
[1] 研究预印本
LaRA
支持的内容：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。
阅读定位：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。
- 文档原始发布
- 2025-02-14
- 文档修订/更新
- 2025-03-05
- 日期依据
- arXiv首稿记录
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
证据适用范围与核对状态
研究比较设置，不是金融业务部署或独立复验。
结果依据继承原研究 2026-10-13，具体配置和局限需沿原文核对。
[2] 原始研究或机构项目说明
LongMemEval
支持的内容：LongMemEval_S、GPT-4o、不加CoN时0.606/0.870对照及五类长期记忆能力。
阅读定位：§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。
- 文档原始发布
- 未提取到可靠日期
- 日期依据
- 未从二进制资料猜测发布日期
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
证据适用范围与核对状态
作者评测结果；本页未重跑，不能把oracle当完整系统成绩。
结果依据继承原研究 2026-10-13，具体配置和局限需沿原文核对。
[3] 研究预印本
事实对象研究
支持的内容：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。
阅读定位：§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。
- 文档原始发布
- 2026-03-18
- 日期依据
- arXiv首稿记录
2026-10-14（北京时间）检查了书目/获取信息；不等于重新验证结果。
证据适用范围与核对状态
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。
结果依据继承原研究 2026-10-13，具体配置和局限需沿原文核对。
本页整理：2026-10-14 · 研究事实范围：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。
用研究理解工作，再决定下一步
现今补充 · 独立观察模块2026-10-19.observations.2；原前沿研究基准另行保留。
看使用和采用背景、固定测试条件与成本；读训练迁移和评测方法，再回到输入、交接与验收。
使用与采用观察 → · 固定能力测试 → · 成本背景 →