งานวิจัยชิ้นนี้ทำการทดสอบสมมติฐานที่ว่าการจำกัดการเข้าถึงข้อมูลของโมดูลในระบบ AI อาจส่งผลดีต่อการเรียนรู้ โดยใช้ระบบแบบ four-cell จำนวน 60 ระบบที่มีการสื่อสารผ่านแพ็กเก็ตแบบต่อเนื่องและใช้โมเดลภาษาขนาดใหญ่เป็นโครงสร้างหลัก ผลการทดสอบในเงื่อนไขที่แตกต่างกัน 5 รูปแบบพบว่าการใช้ 'Evidence Masking' หรือการปิดกั้นหลักฐานบางส่วน ช่วยเพิ่มความแม่นยำในการทำงานที่ต้องอาศัยการผสมผสานคำสั่งซ้อนกัน 2 และ 3 ชั้นอย่างมีนัยสำคัญ
การวิจัยนี้พิสูจน์ให้เห็นถึงข้อได้เปรียบของการใช้ระบอบการปิดกั้นข้อมูล (Masking Regime) ในการสร้างระบบที่มีความสามารถในการขยายผลเชิงโครงสร้าง (Compositional Generalization) แม้ว่ากลไกการทำงานที่ชัดเจนจะยังคงต้องมีการศึกษาเพิ่มเติม แต่ผลลัพธ์นี้ถือเป็นแนวทางใหม่ในการออกแบบสถาปัตยกรรม AI ที่เน้นการทำงานร่วมกันของโมดูลย่อยเพื่อให้เกิดประสิทธิภาพสูงสุด
