本文介绍了两个新的模块：Grouped Self-Attention和Compressed Cross-Attention，能够实现序列长度为$l$的$O(l)$的计算复杂度，同时捕捉局部和全局信息。实验结果表明，这些模块在预测时间序列数据时能够降低计算复杂度，并且性能优于现有方法。