연구진은 학습된 다이나믹스 모델이 글로벌 물리적 질문에 답할 때 시간 크레딧 희석이라는 문제를 발견했어요.
시간 크레딧 희석은 학습 데이터 조건에서는 정확하게 예측하지만 실제로는 짧은 물리적 이벤트 대신 부드러운 상관관계를 읽어들여 발생하는 현상이에요.
CREST라는 새로운 방법을 제안하여 학습된 특징에서 일시적인 이벤트 코어를 추정하고 이벤트와 휴식 간의 대비를 통해 풀링된 표현을 재정렬하며, 다양한 시스템에서 기존 방법보다 더 나은 성능을 보여줬어요.