यह पत्र CITRAS का प्रस्ताव करता है, जो एक नया मॉडल है जो समय श्रृंखला पूर्वानुमान में सहचरों का प्रभावी ढंग से उपयोग करता है। मौजूदा मॉडलों की चुनौतियों का समाधान करने के लिए, जो भविष्य के सहचरों और लक्ष्य चरों के बीच लंबाई के अंतर को ध्यान में नहीं रख पाते और लक्ष्य चरों और सहचरों के बीच निर्भरताओं को सटीक रूप से पकड़ने में कठिनाई महसूस करते हैं, CITRAS लचीले ढंग से कई लक्ष्यों का उपयोग करता है, जिसमें भविष्य के सहचर, और एक डिकोडर-विशिष्ट ट्रांसफ़ॉर्मर पर आधारित भूत और भविष्य के सहचर शामिल हैं। विशेष रूप से, यह पैच-वार क्रॉस-वेरिएबल अटेंशन के लिए दो नए तंत्र प्रस्तुत करता है: "कुंजी-मान (KV) स्थानांतरण" और "अटेंशन स्कोर स्मूथिंग"। यह तंत्र भविष्य के सहचरों को लक्ष्य चर पूर्वानुमान में सहजता से एकीकृत करता है और स्थानीय सटीकता बनाए रखते हुए वैश्विक अंतर-चर निर्भरताओं को पकड़ता है। प्रायोगिक परिणाम दर्शाते हैं कि CITRAS 13 वास्तविक-विश्व डेटा बेंचमार्क पर अत्याधुनिक मॉडलों से बेहतर प्रदर्शन करता है।
