RSM-full记忆方法：分离写入合并与读取组装，4k预算达全上下文83%质量

一项研究为长程智能体提出RSM-full记忆方法，将记忆写入时的合并规则与读取时的内容组装分离。在4k token预算下，该方法达到全上下文质量的83%，仅耗32%的token成本。消融实验显示，合并规则和分组打包器分别贡献5.7点和5.0点提升，并在RealMem基准上超越Budget-RAG、Streaming-Proto和A-MEM基线，与BM25-RAG持平。