Bài báo này đề xuất CITRAS, một mô hình mới sử dụng hiệu quả các biến phụ thuộc trong dự đoán chuỗi thời gian. Để giải quyết những thách thức của các mô hình hiện tại, vốn không tính đến sự khác biệt về độ dài giữa các biến phụ thuộc tương lai và biến mục tiêu, đồng thời gặp khó khăn trong việc nắm bắt chính xác các mối phụ thuộc giữa các biến mục tiêu và biến phụ thuộc, CITRAS linh hoạt sử dụng nhiều mục tiêu, bao gồm các biến phụ thuộc tương lai, cũng như các biến phụ thuộc quá khứ và tương lai dựa trên một bộ chuyển đổi (Transformer) dành riêng cho bộ giải mã. Cụ thể, mô hình này giới thiệu hai cơ chế mới cho sự chú ý chéo từng mảng: "dịch chuyển khóa-giá trị (KV)" và "làm mịn điểm chú ý". Cơ chế này tích hợp liền mạch các biến phụ thuộc tương lai vào dự đoán biến mục tiêu và nắm bắt các mối phụ thuộc liên biến toàn cục trong khi vẫn duy trì độ chính xác cục bộ. Kết quả thử nghiệm chứng minh rằng CITRAS vượt trội hơn các mô hình tiên tiến trên 13 điểm chuẩn dữ liệu thực tế.
