时间感知检索是长时程 LLM 代理有效利用不断增长的长期记忆的关键。现有方法主要依据词汇或语义相似度，导致时间上不匹配但语义相似的记忆淹没目标记忆。即使是时序感知的方案，也仅在记忆组织或答案生成阶段加入时间线索，忽视了检索阶段的时间约束——候选选择的根本环节。受人类情景记忆中“时序连续效应”的启发，我们提出 TIDER（Temporal Interval‑driven Dual‑channel Evidence Retrieval），一个时序感知的代理检索框架。核心是通过强化学习训练的时序区间定位器，它预测证据所在的时间窗口。RL 将窗口定位视为离散、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。定位得到的时间窗口构成时序检索通道，随后将该通道的候选与语义通道的结果合并，并依据与窗口的接近程度重新排序。时序锚定使 TIDER 能够检索到在大量语义相似但时间错位的记忆中被淹没的时间对齐证据。使用仅 1.7B 参数的轻量定位器，TIDER 在两个长时记忆基准上实现了最新水平：LifeBench 达到 61.52%（提升 8.82%），LoCoMo 达到 78.96%（提升 3.66%），验证了时序线索在定位目标证据中的重要性。
点评：TIDER 通过强化学习显式建模时间窗口，弥补了检索阶段的时序盲点，为长程记忆检索提供了可解释且高效的路径。