FlowState는 기존의 시계열 기반 모델(TSFM)들이 가지는 일반화 성능 저하, 샘플링 비율 적응성 부족, 계산 비효율성 문제를 해결하기 위해 제안된 새로운 TSFM 아키텍처입니다. 상태 공간 모델(SSM) 기반 인코더와 함수 기저 디코더를 사용하여 연속 시간 모델링과 동적 시간 척도 조정을 가능하게 합니다. 이를 통해 모든 가능한 시간 분해능에 대한 일반화와 예측 범위의 동적 조정을 지원하며, 다양한 샘플링 비율에 대한 데이터를 모두 학습할 필요 없이 입력 척도에 내부 동역학을 적응시켜 모델 크기 감소, 데이터 요구량 감소, 효율성 향상을 달성합니다. 효율적인 사전 학습 전략을 통해 강건성을 향상시키고 학습 속도를 높였으며, GIFT-ZS 및 Chronos-ZS 벤치마크에서 최첨단 성능을 달성했습니다.
