TIDER 用强化学习定位时间窗，提升长程智能体记忆检索
论文AI 评分 72/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
针对长程 LLM 智能体的长期记忆检索，现有方法依赖词面或语义相似度，时间不匹配但语义相近的候选会挤掉目标记忆；即便考虑时间，也只在记忆组织或答案生成阶段加入时间线索，检索阶段缺少时间约束。作者提出 TIDER 双通道证据检索框架，核心是用强化学习训练的时间区间定位器推断证据所在时间窗，把窗口定位当作离散、不可微的检索决策，用复合奖励把稀疏答案监督转成细粒度检索反馈。时间窗定义时间通道，其结果与语义通道结果合并，并按与窗口的接近程度重排。1.7B 轻量定位器在 LifeBench 达 61.52%（+8.82%），LoCoMo 达 78.96%（+3.66%）。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载问题出在检索阶段
论文指出，时间感知检索对长程 LLM 智能体利用不断增长的长期记忆很关键。已有做法多按词面或语义相似度选候选，结果是时间上不匹配、语义上却相近的记忆把真正的目标挤了出去。部分时间感知方法虽然引入了时间线索，但只用在记忆组织或答案生成环节，而候选筛选发生在检索阶段，那里恰恰没有时间约束，作者认为这是目标记忆被挤掉的根源。
双通道与 RL 定位器
作者从人类情景记忆中的时间邻近效应获得启发，提出 TIDER 框架。其核心是一个经强化学习训练的时间区间定位器，用来推断证据落在哪个时间窗。由于窗口定位是离散且不可微的检索决策，常规梯度方法难以直接优化，作者用复合奖励把稀疏的答案监督转成细粒度的检索反馈。定位出的时间窗先构成时间检索通道，该通道的候选再与语义通道的结果合并，并按与时间窗的接近程度重新排序，使时间对齐的证据不至于被大量语义相近但时间错位的记忆淹没。
基准结果与发表情况
采用 1.7B 的轻量定位器时，TIDER 在两个长程记忆基准上取得当前最优准确率：LifeBench 为 61.52%，提升 8.82%；LoCoMo 为 78.96%，提升 3.66%。作者据此认为，在长期日常生活记忆的大量语义相近历史事件中，时间线索对锁定目标证据十分关键。该论文被 NeurIPS 2026 接收，arXiv 编号为 2610.23598。
为什么值得看
长程智能体记忆检索的瓶颈被定位到检索阶段的时间约束缺失，并给出可复现的 RL 方案与两个基准的提升幅度。
智能体强化学习论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。