본 논문은 다양한 수준의 노이즈를 갖는 시계열 데이터에 대한 새로운 생성 모델인 α-Alternator를 제안합니다. 기존 모델들과 달리 α-Alternator는 Vendi Score (VS)라는 유연한 유사도 기반 다양성 측정 지표를 활용하여 각 시간 단계에서 시퀀스 요소와 이전까지의 잠재 표현의 영향을 동적으로 조절합니다. 이 영향은 학습된 파라미터 α로 조절되며, α의 부호에 따라 노이즈가 많은 데이터셋(음수)과 그렇지 않은 데이터셋(양수)에 대한 모델의 반응이 달라집니다. α-Alternator는 관측 마스킹과 Alternator 손실 최소화를 통해 학습되며, 다양한 노이즈 수준을 시뮬레이션하여 예측, 대치, 예보 성능을 향상시킵니다. 실험 결과, α-Alternator는 기존 Alternator 및 최첨단 상태 공간 모델들을 능가하는 성능을 보였습니다.
