시계열 기반 모델(TSFM)은 공개 벤치마크에서 좋은 결과를 보이며 시계열 분야의 "BERT 모멘트"로 비유되지만, 산업 환경에서의 효과는 불확실하다. 본 논문은 TSFM이 일반화에 어려움을 겪는 이유를 분석하고, 특히 다운스트림 작업과 사전 훈련 시 표현된 지배적인 주파수 성분 간의 불일치인 스펙트럼 이동을 주요 요인으로 지적한다. 모바일 게임의 산업 규모 플레이어 참여 예측 작업을 통해 TSFM이 도메인 적응형 기반 모델보다 성능이 낮음을 확인한다. 제어된 합성 실험을 통해 스펙트럼 불일치 하에서 체계적인 성능 저하를 관찰하며, 주파수 인식이 TSFM의 견고한 배포에 중요함을 강조하고 스펙트럼 다양성을 명시적으로 고려하는 새로운 사전 훈련 및 평가 프로토콜을 제시한다.
