IBM 리서치가 에이전트의 과거 실행 기록에서 추출한 가이드라인을 인퍼런스 시 다시 주입하는 'ALTK-Evolve' 기법을 8개 모델에 적용한 결과, 메모리 효과는 모델 역량에 따라 달라지는 '용량 맞춤형'이어야 한다는 결론을 얻었다. 여유가 있는 강한 모델(DeepSeek-V3.2 671B)은 전체 가이드라인 세트를 받을 때 태스크 완료율(TGC)이 9.5%p 상승했고, gpt-oss-120b 같은 약한 모델은 핵심 가이드라인과 태스크별 검색을 결합한 '큐레이션 검색' 방식에서 16.1%p 상승하며 토큰 비용은 5%만 늘었다. 반면 GLM-5처럼 이미 성능이 포화된 모델은 가이드라인을 줘도 개선 효과가 없었다. AppWorld 585개 멀티스텝 태스크로 검증했으며, 프롬프트 캐싱을 활용하면 전체 가이드라인 세트도 비용 부담 없이 운용할 수 있다고 설명했다.

• •강한 모델은 전체 가이드라인 세트, 약한 모델은 핵심+검색 조합이 최적
• •gpt-oss-120b는 큐레이션 검색으로 태스크 완료율 +16.1%p, 토큰은 +5%만 증가
• •DeepSeek-V3.2는 전체 가이드라인 세트로 TGC +9.5%p, SGC +16.1%p 개선
• •GLM-5 등 이미 성능이 포화된 모델은 메모리 추가에도 측정 가능한 개선 없음