연구진은 LLM 시스템에서 조정 콘텐츠가 작업 지시나 증거를 위한 공간을 줄이는 '작업 예산 이동' 현상을 측정하는 RCWT(Roundtable Context Window Test) 프로토콜을 소개했어요.
RCWT 실험 결과, GPT-4.1-mini, Claude Haiku 4.5, Gemini 2.5 Flash 모델은 잔여 참조 증거가 수백 토큰 이하로 떨어지면 성능이 급격히 저하되는 것으로 나타났어요.
작업 증거 블록을 유지한 채 조정 토큰을 늘리는 실험에서는 모든 모델이 높은 정확도를 유지하며, 이는 조정 콘텐츠 자체보다는 작업 예산 부족이 성능 저하의 주요 원인임을 시사해요.