지진파 (seismograms), 중력파 변형률 (gravitational-wave strain) 및 이와 유사한 파동장 (wavefields)과 같은 진동하는 물리적 신호의 장기 자기회귀 예측 (Long-horizon autoregressive forecasting)은 오차 누적 (error accumulation)에 의해 제한됩니다. 인과적 모델 (causal model)이 수백 단계에 걸쳐 자신의 출력을 다시 입력으로 받을 때, 단계별 작은 오차들이 결합되어 점 단위 지표 (pointwise metrics)로는 감지할 수 없는 위상 드리프트 (phase drift)를 유발하기 때문입니다. 본 연구에서는 물리적으로 구조화된 테스트베드로서 합성 3성분 지진파를 사용하고, 연구 대상 모델로 extsc{SeismoGPT} 자기회귀 예측기를 사용하여 이러한 롤아웃 (rollout)이 언제 안정적으로 유지되는지 질문합니다. 쌍체 유의성 검정 (paired significance tests)을 동반한 자유 실행 롤아웃 (free-running rollout)에서 평가된 통제된 아키텍처 내 절제 연구 (intra-architecture ablations)를 통해, 각 설계 선택의 기여도를 분리합니다. 다중 토큰 예측 (Multi-token prediction)은 지배적인 안정화 요소로, 단일 토큰 베이스라인 대비 거의 전체 개선 사항을 차지합니다 (중앙값 NCC $+0.040$). 호라이즌 임베딩 하이브리드 예측 헤드 (horizon-embedding hybrid prediction head)와 교차 호라이즌 STFT-크기 일관성 손실 (cross-horizon STFT-magnitude coherence loss)은 각각 작지만 일관된 추가 이득을 제공합니다. 성능은 관측된 신호의 전체 P-S 간격과 대략 일치하는 1 근처의 컨텍스트 비율 임계값 (context-ratio threshold)에 따라 급격히 달라지며, 이 임계값 아래에서는 롤아웃 일반화 (rollout generalization)가 붕괴됩니다. 주요 잔차 실패 (residual failure)는 극성 반전 (polarity inversion)이며, 이는 구조적으로 크기 기반 스펙트럼 손실 (magnitude-based spectral loss)이 처벌할 수 없는 부분입니다. 이는 위상 인식 목적 함수 (phase-aware objectives)가 자연스러운 다음 단계임을 시사합니다. 우리는 본 연구를 예측 아키텍처의 벤치마크가 아닌, 진동하는 파동장에 대한 롤아웃 안정성에 관한 통제된 연구로 규정합니다.