评估压缩记忆机制：依赖性、效用与内容增益分析

一项针对九种系统的评估研究表明，语言模型虽然依赖压缩记忆向量，但其实际表现可能不如完全不使用记忆训练的替代模型。在 TriviaQA 测试中，为 xRAG 提供无关文档的记忆也能将 F1 分数从无文档的 19.38 提升至 24.78，而使用正确检索文档的 F1 得分为 29.88。研究指出单纯优于无文档基准不足以证明增益来自针对性内容，记忆评估必须明确对比基线与生成评分条件。