검색 에이전트가 다단계 질의응답에서 인상적인 능력을 보여주지만, 낮은 품질의 증거에 대한 견고성은 아직 충분히 탐구되지 않았습니다. 이러한 현상은 현실적인 벤치마크에서는 드물게 발생하지만 실제 애플리케이션에서는 극적인 실패를 초래할 수 있습니다. 따라서 본 연구에서는 검색 에이전트의 검색 모듈을 제어된 합성 환경으로 대체하여 까다로운 증거의 빈도를 조절하는 스트레스 테스트 프레임워크인 DeepStress를 제안합니다. 우리는 이 프레임워크를 사용하여 문서 신뢰성에 영향을 미칠 수 있는 세 가지 차원, 즉 신뢰성(trustworthiness), 관련성(relevance), 그리고 사실성(factuality)을 제어합니다. HotpotQA와 BrowseCompPlus에서 여러 검색 에이전트를 테스트한 결과, 에이전트들이 신뢰할 수 없는 정보를 처리하는 능력에 상당한 차이를 보인다는 것을 입증했으며, 상충되는 파라미터적 지식과 검색된 지식 간의 상호작용뿐만 아니라 시스템 결과를 더 잘 문서화하는 새로운 메트릭을 제안합니다.