# Trajectory-Aware Retrieval Agents for Temporal Decision- Making
- 来源：arxiv · https://arxiv.org/abs/2607.21625
- 作者：Jing Wang, Jie Shen, Xing Niu

> 带轨迹感知的检索增强LLM agent，用于时序决策

## 概要

提出TLM框架，针对长文本时序决策问题，用LGCM（潜在增长曲线模型）对检索到的文本块进行建模，捕捉轨迹趋势、转折点和信息缺口，并通过SHAP反馈迭代优化证据集。在医疗问答和金融预测任务上显著优于零样本和标准RAG基线。

## 对我的影响

1. **对导购/agent产品的启发**：导购对话常包含时序上下文（如用户行程、历史偏好变化），TLM的轨迹感知能力可用于捕捉用户意图的演进，但需简化LGCM的计算开销。
2. **对情报平台的启示**：论文摘要/情报的时序趋势分析可借鉴LGCM来识别研究热点转折点（如某技术从冷门到爆发）。
3. **下一步行动**：精读论文的LGCM实现细节，评估在导购agent中引入简易轨迹模型（如按时间窗口的统计特征）的成本效益。

---
*导出自 前沿论文情报台*