본 논문은 시간대열 예측에서 모델 크기의 급격한 증가에 대한 문제점을 제기하며, 초경량 예측 모델인 Alinear를 제안합니다. Alinear는 기존의 대규모 모델들과 비교하여 1% 미만의 파라미터만을 사용하면서 경쟁력 있는 성능을 달성합니다. 이는 수평선 인식 적응형 분해 메커니즘과 점진적 주파수 감쇠 전략을 통해 가능합니다. 7개의 벤치마크 데이터셋에 대한 실험 결과, Alinear는 단기 및 초장기 예측 수평선 모두에서 강력한 정확도를 유지하면서 대규모 모델들을 능가하는 것으로 나타났습니다. 또한, 모델 효율성을 보다 공정하게 평가하기 위해 새로운 파라미터 인식 평가 지표를 제안합니다. 본 연구는 더 큰 모델이 본질적으로 더 낫다는 기존의 믿음에 도전하고, 보다 효율적인 시간대열 모델링으로의 패러다임 전환을 제시합니다.
