diff --git a/.jules/bolt.md b/.jules/bolt.md
index 7d3c603f..509c6e36 100644
--- a/.jules/bolt.md
+++ b/.jules/bolt.md
@@ -16,3 +16,6 @@
 ## 2025-02-12 - R 언어에서 반복적인 mirt 모델 생성 시 불필요한 데이터프레임 부분집합 추출 최적화
 **Learning:** R에서 데이터프레임의 특정 열을 추출하는 작업(`df[cols]`)은 O(N)의 메모리 복사를 수반합니다. `autoFIPC`에서 `mirt` 모델의 파라미터를 설정하거나 호출하는 과정 중에 `newformXDataK[colnames(newFormModel@Data$data)]` 코드가 반복해서 사용되었고, 심지어 `ncol()`을 위해 단순히 개수를 구할 때도 사용되어 불필요한 메모리 할당과 오버헤드를 초래했습니다.
 **Action:** 조건문이나 반복문 내부에서 불필요하게 데이터프레임 부분집합 연산이 반복되지 않도록 외부에서 한 번만 `linkedFormData <- newformXDataK[colnames(newFormModel@Data$data)]`로 캐싱(caching)한 뒤, `ncol(linkedFormData)`와 `data = linkedFormData` 형태로 재사용하여 메모리 복사와 O(N) 오버헤드를 방지해야 합니다.
+## 2024-07-13 - R 언어에서 as.factor 추론 생략을 통한 요인(factor) 생성 최적화
+**Learning:** `as.factor()` 함수는 문자열을 요인으로 변환할 때 내부적으로 모든 문자열을 알파벳 순으로 스캔하여 `levels`를 동적으로 추론합니다. 이는 O(N)의 비효율적인 스캔 및 복사 오버헤드를 유발합니다.
+**Action:** `factor(..., levels = c(...))` 형태를 사용하여 요인의 값을 생성할 때 `levels`를 명시적으로 제공하여 알파벳 정렬 추론 과정을 우회해야 합니다. 이때 원본 데이터의 기본 알파벳 정렬 순서를 유지하여 기존 구조와 정확히 동일한 요인을 생성해야 버그를 방지할 수 있습니다.
diff --git a/R/aFIPC.R b/R/aFIPC.R
index 62546519..9ade2417 100644
--- a/R/aFIPC.R
+++ b/R/aFIPC.R
@@ -612,11 +612,11 @@ autoFIPC <-
     #IPD
     if (checkIPD == T) {
       # config
-      IPDgroup <-
-        as.factor(c(
-          rep('oldForm', nrow(oldformYDataK)),
-          rep('newForm', nrow(newformXDataK))
-        ))
+      # ⚡ Bolt: By passing explicit factor levels matching default alphabetical sorting, we bypass the $O(N)$ factor level inference overhead
+      IPDgroup <- factor(
+        rep(c('oldForm', 'newForm'), c(nrow(oldformYDataK), nrow(newformXDataK))),
+        levels = c('newForm', 'oldForm')
+      )
       IPDItemCount <- 0
 
       # IPD target item checking