연구진은 장기 추론 에이전트의 성능을 높이기 위해 State-Adaptive Memory (SAM) 프레임워크를 제안했어요. SAM은 에이전트의 상태 변화에 따라 과거 상호작용 정보를 효율적으로 활용하도록 설계되었으며, 메모리 단서를 통해 필요한 정보를 복원해요. BrowseComp, BrowseComp-ZH, WideSearch, HLE 등 다양한 벤치마크에서 기존 방식보다 뛰어난 성능을 보였어요.