Learning What to Remember: Observability-Safe Memory Retention via Constrained Optimization for Long-Horizon Language Agents

这篇把长周期语言代理的记忆保留问题写成一个带约束的资源分配目标：代理会积累 observations、reasoning traces 和 retrieved facts，最终超过上下文窗口。摘要明确指出现有系统多把保留决策当作局部问题，没有建模 observability constraints 下的长期后果。它把“记住什么”从启发式摘要策略推进到可约束优化，适合审视长期代理的记忆污染、隐私暴露和任务相关性之间的冲突。