arXiv cs.AI· Dabin Sheng, Zhe Wu, Jinming Zhao, Junliang Xing, Yuanchun Shi·· 11 小时前AI 评分40
TIDER：RL 引导时间定位的双通道检索框架，提升长程 Agent 记忆检索
RL-Guided Temporal Localization for Dual-Channel Retrieval in Long-Horizon Agent Memory
AI 导读
研究者提出 TIDER（Temporal Interval-driven Dual-channel Evidence Retrieval），用强化学习训练的时间区间定位器推断证据所在时间窗口，再与语义通道结果合并并按时间邻近度重排。
正文 · AI 翻译
摘要：时间感知检索对于长程 LLM 智能体有效利用不断增长的长期记忆至关重要。现有方法侧重于词汇或语义相似度，导致目标记忆被时间上不匹配但语义相似的候选挤出。即使时间感知方法也仅在记忆组织或答案生成阶段注入时间线索，忽视了检索阶段的时间约束——而候选选择正是在该阶段发生，这也是位移的根本原因。受人类情景记忆中时间邻近效应的启发，我们提出 TIDER（时间区间驱动的双通道证据检索），一种时间感知的智能体检索框架。TIDER 的核心是一个经强化学习（RL）训练的时间区间定位器，用于推断证据所在的时间窗口。RL 将窗口定位优化为离散、不可微的检索决策，利用复合奖励将稀疏的答案监督转化为细粒度的检索反馈。这些时间窗口首先定义时间检索通道；随后将检索到的候选与语义通道的结果合并，并按与窗口的接近程度重新排序。这种时间锚定使 TIDER 能够检索到时间上对齐的证据，否则这些证据会被大量语义相似但时间不匹配的记忆所淹没。借助轻量级 1.7B 定位器，TIDER 在两个长程记忆基准上均达到最先进准确率——LifeBench 上 61.52%（+8.82%），LoCoMo 上 78.96%（+3.66%）——这表明在长期日常生活记忆中海量语义相似的历史事件里，时间线索对于精确定位目标证据至关重要。
| 评论： | 已被 NeurIPS 2026 接收 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.23598 [cs.AI] |
| （或 arXiv:2610.23598v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.23598 由 DataCite 颁发 arXiv DOI（待注册） |
提交历史
来自：Dabin Sheng [查看邮箱]
[v1]
2026年10月16日星期五 15:16:50 UTC（1,413 KB）
来源：arXiv cs.AI · arxiv.org