본 논문은 시계열 예측에서 공변량(covariates)을 효과적으로 활용하는 새로운 모델 CITRAS를 제안합니다. 기존 모델들이 미래 공변량과 타겟 변수의 길이 차이를 고려하지 못하고, 타겟 변수와 공변량 간의 종속성을 정확하게 포착하는 데 어려움을 겪는 문제를 해결하기 위해, CITRAS는 디코더 전용 Transformer 기반으로 미래 공변량을 포함한 다중 타겟, 과거 및 미래 공변량을 유연하게 활용합니다. 특히, 패치 단위 교차 변수 어텐션에 '키-값(KV) 시프트'와 '어텐션 점수 스무딩'이라는 두 가지 새로운 메커니즘을 도입하여, 미래 공변량을 타겟 변수 예측에 원활하게 통합하고, 국소적인 정확도를 유지하면서 전역적인 변수 간 종속성을 포착합니다. 실험 결과, CITRAS는 13개의 실제 데이터 벤치마크에서 최첨단 모델들을 능가하는 성능을 보였습니다.
