IBM 연구팀은 GPT-4.1의 과거 작업에서 추출한 지침을 프롬프트에 붙여 τ²-bench 소매 테스트 40개에서 네 번 모두 성공한 비율을 57.5%에서 67.5%로 높였다. 가중치 학습은 없었고 항공 테스트 20개에서는 많은 지침보다 고빈도 지침 14개가 반복 성공률에 유리했다. 전체 분할 기준 소매 대화 비용은 65% 증가했지만 성공 작업의 대화 턴은 늘지 않았다. 자체 벤치마크 결과이므로 실제 정책과 데이터로 비용과 재현성을 검증해야 한다.