GNA：面向检索增强多元时间序列预测的细粒度邻居装配层

GNA（Granular Neighbor Assembly）是一种面向多元时间序列预测的检索层，通过整合整窗与逐变量双粒度历史邻居辅助推断。该方法采用严格因果检索，并利用可学习门控动态权衡主干预测、检索未来与持续性预测。实验显示，GNA 在 96 个设置中的 85 个提升了两个 Transformer 主干的表现，并在 12 个标准基准中的 8 个取得最低 MSE。