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

DRSR 联合删除协议允许的一组 history blocks，用 teacher-forced likelihood 变化产生反事实监督；在线评分器同时看动作前状态、删除/保留关系和集合交互，在 recency、预算和风险约束下尽量多删，找不到安全集合就 abstain。WorkBuddyBench Full260 的平均 reward 从 0.699 升至 0.802，token 减少 20.820%；固定 Eval40 上节省 35.850%。这些数字支持集合级风险比独立块分数更适合长程代理。