연구자들은 GatedLinear을 제안했다. 이는 단일 메커니즘 딥러닝 모델의 한계를 해결하는 경량 프레임워크로, 시계열 예측을 보완적 선형 기저의 적응 라우팅으로 구성한다. 이 시스템은 세 가지 특수화된 메커니즘 풀을 활용한다: 글로벌 추세-계절성 기저, 비정상 드리프트를 위한 차분 기반 증분 기저, 그리고 주기적 재사용을 위한 위상 정렬 순환 기저.

  • 삼요인 융합 게이트는 라우팅 결정을 채널별 선호도, 기간 인식 오프셋, 알려진 미래 시간 표시에서 유도된 위상 인덱스 편향으로 분리한다.
  • 이 설계는 계산 집약적인 신경 모듈을 쌓지 않고도 다양한 예측 영역 전반에 걸쳐 매우 세밀한 포인트와이즈 소프트 라우팅을 가능하게 한다.
  • 표준 벤치마크에서의 실험은 이 방법이 최근의 복잡한 파운데이션 모델들에 비해 최상위 또는 매우 경쟁력 있는 정확도를 달성함을 보여준다.

이 접근법은 상당히 작은 파라미터 풋프린트로 동작하면서도 명시적으로 해석 가능한 라우팅 패턴을 제공한다.