ECHO：在代理强化学习中通过剪枝行动与追溯学习实现选择性回合记忆

长程语言代理需在有限上下文窗口下反复调用工具并积累证据。现有方法通过截断历史或摘要压缩来管理上下文，但导致细粒度证据丢失且阻碍基于结果的强化学习对齐。为此，本文提出 ECHO，一种选择性回合记忆框架。该框架将环境回合压缩为紧凑记录，通过选择重建策略上下文，并利用源索引将成功结果的回溯信用路由至支持性证据与选择动作。实验表明，ECHO 在 BrowseComp-Plus 上显著优于基线，并提升了多任务零-shot 泛化能力。