현재 시계열 이상 탐지 연구는 부적절한 평가 지표, 일관성 없는 벤치마킹 관행, 새로운 딥러닝 모델 설계에 대한 적절한 정당화 부족으로 인해 문제가 있다. 이 논문은 현 상황에 대한 비판적 분석을 제시하고, 모델 설계의 혁신성 추구에서 벗어나 벤치마킹 관행 개선, 비트리비얼 데이터셋 생성, 특정 과제에 대한 모델 아키텍처의 유용성 연구에 초점을 맞출 것을 주장한다.
