Drift Happens: An Empirical Study of Neural Architecture Robustness to Temporal Distribution Shift
이미지 분류, 텍스트 분류, 텍스트 회귀 등 세 가지 시계열 도메인에서 MLP, CNN, RNN, Transformer 등 다양한 신경망 아키텍처의 시간적 분포 변화(temporal distribution shift) 강건성을 temporal drift matrix 기반 통합 평가 프레임워크로 체계적으로 비교 분석했다. 국소적·고판별 특징을 활용하는 아키텍처는 인도메인 성능이 높지만 시간에 따라 빠르게 성능이 저하되는 반면, 사전학습된 인코더는 더 안정적인 표현에 의존해 성능 하락이 점진적임을 실증적으로 보였다.