DRSR：学习集合级删除风险以提升长时程 Agent 效率

英文标题：DRSR: Learning Set-Level Deletion Risk for Efficient Long-Horizon Agents

该论文提出 DRSR，旨在为长时程语言模型 Agent 学习集合级别的信息删除风险。论文指出，长时程 Agent 会积累推理轨迹、工具交互和观测信息，而这些历史信息与当前决策的相关性会不断变化。现有压缩方法通常独立评估历史单元的重要性，但删除多个内容单元时的联合安全性仍是关键问题。该研究可能为开发者构建更高效、上下文管理更可靠的长时程 Agent 提供方法参考。

2.1 KB 483 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB