2026년 10월 26일 arXiv 플랫폼에 게재된 논문(논문 번호: 2610.31686) 「From Target Selection to Condition Reuse: Auditing Residual Interventions in Tool-Use Models」은 대규모 언어 모델의 도구 사용 시나리오에서의 조건 재사용 능력에 초점을 맞추고 있다. 이 연구는 Qwen3.5-27B 모델을 대상으로 하여, 새롭게 구축한 32개의 ‘세계’(fresh worlds)에서 실험을 수행했으며, 과제 설정에서는 시간이나 권한 등의 조건에 따라 도구 호출 여부와 목표 선택을 판단하도록 요구했다.
결과는 다음과 같다: 두 가지 사례 특화형 잔차 쓰기(residual-writing) 간섭 방법을 적용한 결과, 익숙한 목표 선택의 정확도가 각각 35/128에서 119/128로, 33/128에서 114/128로 향상되었다. 그러나 과제에서 이미 알려진 사실과 식별자를 재조합할 경우 이러한 향상 효과는 완전히 사라졌으며, 오히려 모델은 이전에 보상을 받았던 식별자를 선택하는 경향을 보였다. 또한, 간섭 효과는 출력 형식에 관계없이 일관되게 유지되었지만, ‘어떤 후보가 자격을 갖추었는지’ 또는 ‘선택되어야 하는지’에 대한 모델의 독립적 판단 능력은 거의 향상되지 않았다.
추가 분석 결과, 사전 설정된 하위 비교 과제에서 초기 레이어 소스 패치는 소스 사실이 호출될 때 64개 중 50개의 판단 결과를 변경하지만, 소스가 호출되지 않은 64건에서는 단 한 번의 부정적 변화만을 유발하는 것으로 나타났다. 이러한 선택적 영향은 완전한 동작의 정확한 수행과는 다르다. 이에 따라 연구는 개입 효과를 평가할 때 ‘목표 답안을 출력할 수 있는지’ 여부에 그쳐서는 안 되며, 편집된 모델 상태가 실제로 다양한 다운스트림 계산에 어떻게 활용되는지를 검토해야 한다고 강조한다. 이를 통해 목표 선택, 조건 판단, 동작 실행 간의 본질적인 분리가 드러난다.