Mamba 아키텍처에 Transformer 레이어를 결합한 새로운 심층 학습 기반 오류 정정 부호 복호화 방법을 제시한다. 이 방법은 Mamba의 효율적인 순차적 모델링과 Transformer의 전역적 맥락 파악 능력을 결합한 하이브리드 디코더를 제안한다. 성능 향상을 위해 각 Mamba 레이어에 적용되는 새로운 계층별 마스킹 전략을 설계하여 다양한 깊이에서 관련 코드 특징에 선택적으로 집중할 수 있도록 하였다. 또한, 네트워크를 중간 단계에서 감독하고 복호화 과정 전반에 걸쳐 강력한 특징 추출을 촉진하는 점진적 계층별 손실을 도입하였다. 다양한 선형 부호에 대한 포괄적인 실험을 통해 제안된 방법이 Transformer 전용 디코더 및 표준 Mamba 모델보다 성능이 크게 우수함을 보여준다.
