ECHO: Prune to act, trace to learn with selective turn memory in agentic RL

ECHO 把上下文裁剪和 RL credit tracing 放在同一个设计里处理。每个完成的 environment turn 被压缩成带 source index 的 memory record，策略上下文按需从这些记录重建；成功终局的正向 credit 再沿 source index 回流到支持答案的证据和选择动作。BrowseComp-Plus 上 ECHO held-out accuracy 达 43.4%，高于 GRPO 的 28.9% 和 rolling-summary baseline SUPO 的 36.1%，同时用更少 turns 和更低 trajectory volume，说明“可寻址压缩”比普通 summary 更适合训练闭环。