에이전트의 경험은 다음 질문 전에 요약이나 스킬로 압축할 수도 있다. 원래 기록을 보존했다가 질문에 맞춰 검색할 수도 있다. 전자는 재사용할 내용을 먼저 고른다. 후자는 선택을 질문 이후로 미룬다. 두 접근을 비교하는 기준은 저장량뿐 아니라 선택 시점이다. 이후 필요한 정보를 얼마나 예측할 수 있는지가 보존할 범위를 결정하기 때문이다.

사전 압축에는 압축본을 만드는 비용이, 원본 검색에는 질문마다 탐색하는 비용이 든다. 따라서 짧은 압축본이 전체 비용까지 낮춘다고 단정할 수 없다. 정보 손실도 함께 봐야 한다. 압축에서 빠진 근거는 읽는 모델의 능력만으로 복구할 수 없다. 원본이 남아 있어도 필요한 부분을 찾지 못하면 답변에 쓸 수 없다. 구축과 사용 비용, 근거에 도달할 가능성을 같은 기준에서 비교해야 한다.

MemoryTax는 설계된 메모리를 미리 구축하는 방식과 원래 대화 이력을 도구로 검색하는 에이전트를 평가한다. 약한 모델이 작성하면서 누락한 내용을 강한 모델이 읽는다고 되살릴 수는 없다고 지적한다. 다만 대화 하나에 대해 조건별로 한 번씩 실행한 연구다. 여기서 확인할 차이는 검색의 보편적 우위가 아니라, 사전 선택이 이후 답변에 사용할 정보 범위를 제한할 수 있다는 점이다.

MHG-Mem은 압축과 원본 보존을 결합하는 구성을 보여 준다. 개체의 정체성과 상태 변화를 구조화한다. 이를 시각적 근거와 연결한다. 검색 중 필요하면 원래 관측을 확인한다. 요약된 상태로 탐색하되 세부 근거로 내려갈 경로를 남기는 방식이다. 이때 비교 기준은 원본의 보관 여부를 넘어선다. 같은 개체의 관측을 올바르게 연결하고 필요한 근거에 도달할 수 있어야 보존한 정보가 실제로 쓰인다.

재사용할 행동이 좁게 정해져 있다면 사전 선택의 조건도 달라진다. Behavioral Localization은 텍스트 스킬의 유용한 효과가 나타나는 실행 위치를 찾는다. 이 위치를 짧은 소프트 프롬프트 학습에 사용한다. 보고된 실험에서 상위 10%의 실행 위치는 전체 긍정적 스킬 효과의 96.12%를 포착했다. 다만 보존 대상은 행동 효과다. 이 수치를 대화의 사실이나 이미지 세부를 복원하는 능력으로 해석할 수는 없다.

따라서 선택은 경험의 크기보다 다음 사용에서 요구할 출력에 따라 달라진다. 특정 행동의 개선을 반복해서 요구한다면 효과가 확인된 부분을 미리 추릴 수 있다. 아직 정해지지 않은 질문에 사실이나 시각적 근거로 답해야 한다면 원본으로 돌아갈 경로가 필요하다. 세 연구는 이 조건들을 같은 과제에서 비교하지 않았다. 무엇을 버려도 되는지 먼저 정해야 한다. 비용과 정확도는 각 사용 조건에서 확인해야 한다.