Patchformer是一种结合补丁嵌入和Transformer的新模型，专注于解决长期预测中的复杂时间模式。通过分解多元时间序列数据，它提高了捕捉局部和全局语义依赖的能力。在多能源数据集上表现优异，尤其在处理多能源相互依赖性方面。研究表明其性能与过去序列长度正相关。

本文介绍了一种基于Transformer的架构，通过异构自注意层和Hiformer模型，有效应用于大规模推荐系统，显著提升了关键参与度指标。