연구진은 장기 검색 에이전트의 컨텍스트 효율성을 높이기 위해 관찰 데이터 마스킹 전략을 연구했어요. 모델 크기, 검색 도구, 오프라인/실시간 웹 환경에서 실험 결과, 마스킹의 정확도 향상은 모델의 성능에 따라 비대칭적인 U자 형태를 보였어요. 마스킹은 모델이 더 이상 사용하지 않는 데이터를 제거하고, 에이전트가 드물게 다시 열어보는 페이지를 보존하여 토큰-턴 트레이드오프를 구현하며, 컨텍스트 관리를 정체도에 따른 개입으로 재정의했어요.