스트림 학습에서 표 형식 파운데이션 모델을 위한 제한된 컨텍스트 관리
Bounded Context Management for Tabular Foundation Models on Stream Learning
표 형식 스트림 학습에서 테이블 파운데이션 모델(TFM)은 모델 상태 갱신 대신 제한된 라벨 컨텍스트를 문맥 내(in-context)로 관리해야 하며, 핵심 과제는 어떤 과거 예시를 유지할지 결정하는 것이다. 미래 정보 관점에서 최근성·불확실성·중복성을 반영한 CURE는 엔트로피 게이트 입장과 중복 인식 퇴출로 구현되었고, 7개 스트림에서 고전적 스트림 학습기 대비 최대 27.0% 상대 성능 향상과 여러 TFM 백본에서 정책 변형 중 1위를 달성했다.