연구진은 STAIR라는 새로운 학습 패러다임을 제안하여 단순한 시계열 예측 모델의 장기 예측 성능을 향상시켰습니다. STAIR는 시계열 데이터의 공통적인 시간적 동향 학습, 변수별 패턴 적응, 그리고 잔여 학습을 통해 변수 간 상호 작용 정보를 보완하는 3단계로 구성됩니다. 9개의 장기 예측 벤치마크 실험 결과, STAIR는 기존 강력한 모델들을 능가하는 성능을 보여주며 단순한 시계열 모델의 잠재력을 입증했습니다.