자가회귀 언롤링
학습 단계에서 모델이 자기 출력을 맥락으로 반복 사용하도록 점진적으로 예측 샘플로 컨텍스트를 대체하면서 fine-tune하는 절차이다. 이 방식은 학습-추론 분포 차이를 줄여 장기 예측 시 누적 오류와 드리프트를 억제한다. 논문에서는 예측을 T회 반복하여 모델이 스스로 생성한 오류에 적응하도록 했다.
