超越 RAG：EverMemModel 通过一次性摄取整个数据库实现 SOTA

EverMemModel 在检索任务和问答任务上都达到了 SOTA 性能。

EverMind研究人员

2025年11月18日

大约 1 分钟可读

SOTA

EverMemModel 通过允许用户将整个检索数据库连同查询一起输入模型，实现了技术突破，随后模型会快速返回参考文档 ID 和答案。

检索任务：在 NQ320K（全文）上，它的 Recall@1 达到了 75.5。对于未见过的测试集，Recall@1 指标达到 66.49，最终在 NQ320K 的两个排行榜上都取得了 SOTA。

QA 任务：DSA 方法无需依赖 Embedding 检索，可直接在最长达 7.1M 的上下文上执行 QA。与基于 Qwen3-Embedding-4B + Qwen3-4B-Instruct 的 RAG 方法以及 Gemini 2.5 Flash 方法相比，它的表现优于两者（表中的指标是 Gemini 2.5 的 LLM Judgment 分数）。

EverMemModel 通过允许用户将整个检索数据库连同查询一起输入模型，实现了技术突破，随后模型会快速返回参考文档 ID 和答案。

检索任务：在 NQ320K（全文）上，它的 Recall@1 达到了 75.5。对于未见过的测试集，Recall@1 指标达到 66.49，最终在 NQ320K 的两个排行榜上都取得了 SOTA。

您可能还喜欢这些

相关

2026年9月4日

Multi-round retrieval: letting the model decide when to stop searching

multi-round retrieval,agentic retrieval,fixed top-k,injection budget,core selection,EverOS,agent memory,LoCoMo,LongMemEval,EverMemBench,SubtleMemory,multi-hop retrieval,retrieval accuracy,prompt token cost