跳到正文

MemoRAG

从记忆中回忆线索以增强 RAG 检索

访问官网

MemoRAG 是什么

MemoRAG 被介绍为一个基于记忆的 RAG 框架,借助超长记忆模型对整个数据库形成全局理解。

你可以用它做什么

  • 处理高达 100 万令牌的单个上下文
  • 从全局记忆生成精确的上下文线索
  • 一次编码长上下文并在多个任务中复用

应用场景

  • 研究人员用它增强语言模型以回答复杂查询
  • 开发人员把它集成到自己的应用程序中
  • 教育机构用它创建交互式学习工具

优点与缺点

✓ 我们认可的地方

  • 仅需几个小时额外训练即可适配新任务
  • 一次性编码长上下文并可重复使用

! 需要留意的地方

  • 围绕 RAG 的记忆模型构建
  • 更多语言如中文的支持被列为计划

常见问题

上下文有多大?

资料说明单个上下文可处理高达 100 万令牌。

缓存能提速多少?

资料说明上下文预填充速度可提高多达 30 倍。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法