본 논문은 모바일 통신 네트워크의 복잡성과 역동성 증가에 따라 채널 상태 정보(CSI), 사용자 위치, 네트워크 트래픽과 같은 주요 시스템 매개변수 예측의 중요성이 증대됨에 따라, 다양한 예측 간격을 지원하는 무선 네트워크의 다중 작업 예측을 위한 통합 기반 모델을 제안한다. 기존의 심층 학습 기반 방법들이 다양한 시나리오와 작업에 일반화하는 데 어려움을 겪는다는 점을 해결하기 위해, 이종 작업을 통합하는 일변량 분해, 간격 인식을 위한 세분성 인코딩, 정확한 예측을 위한 인과 관계 트랜스포머 백본을 사용하는 모델을 제시한다. 또한, 임의의 입력 길이를 지원하기 위해 훈련 중 패치 마스킹 전략을 도입한다. 대규모 데이터셋으로 훈련된 후, 제안된 기반 모델은 보이지 않는 시나리오에 대한 강력한 일반화 성능을 보여주며, 기존의 풀샷 기준 모델을 능가하는 제로샷 성능을 새로운 작업에서 달성한다.
