长期对话记忆常把历史整理成事实或摘要，Raw-RAG 则保留带时间的原始对话：切成重叠片段，按语义找出相关内容，再由重排模型筛选，交给回答问题的模型。这样，旧信息被谁在何时修正、两个事实之间有什么依赖，也有机会一起被找回。
在四个对话记忆基准的七种模型设置中，它六次领先所比较的记忆系统，优势为0.13—5.53个百分点；MEME搭配DeepSeek-V4-Flash的一组则落后1.52点，均为作者结果。比较范围不含所有可能的完整上下文方案。论文的启发是先保留一个简单的原始检索基线，检查复杂记忆处理究竟增加了什么，又是否删掉回答所需的关系；本期未独立复现。