特讯热点！超越Transformer：清华蚂蚁推出纯MLP架构，时序预测性能获突破性提升

超越Transformer：清华蚂蚁推出纯MLP架构，时序预测性能获突破性提升

北京，2024年6月14日 - 清华大学人工智能研究院蚂蚁智研团队近日宣布，他们提出了一种基于纯MLP（多层感知机）架构的时序预测模型，在多个公开数据集上取得了显著优于Transformer架构的成果。该研究成果将为时间序列预测领域带来新的技术范式，并有望在金融、医疗、物联网等众多行业得到广泛应用。

传统基于Transformer架构的时序预测模型，通常采用编码器-解码器结构，通过自注意力机制捕捉序列之间的依赖关系。然而，Transformer架构存在参数量大、计算复杂度高等问题，限制了其在长序列预测等场景中的应用。

清华蚂蚁团队提出的纯MLP架构，摒弃了自注意力机制，采用MLP网络直接对序列进行建模。得益于MLP架构的简洁性和高效性，该模型能够在保持精度的同时大幅降低计算成本。

在多个公开数据集上的实验证明，清华蚂蚁的纯MLP架构在短序列和长序列预测任务上均取得了最优结果。例如，在著名的股票价格预测数据集标杆之一Nasdaq 100上，该模型的平均误差率降低了15%以上。

清华蚂蚁团队的研究工作，为基于深度学习的时序预测模型提供了一种新的思路，有望推动该领域的技术进步和应用普及。

以下是对主要信息的扩充：

• 纯MLP架构的优势
  • 参数量更小，计算效率更高，模型更轻量化。
  • 训练速度更快，更容易部署到实际应用中。
  • 能够更好地捕捉长距离依赖关系，适用于长序列预测任务。
• 纯MLP架构的应用前景
  • 金融领域：股票价格预测、期货交易预测、风险评估等。
  • 医疗领域：疾病预测、生命体征预测、医疗影像分析等。
  • 物联网领域：传感器数据预测、设备故障预测、能源管理等。

以下是新标题的建议：

• MLP架构再创新高：清华蚂蚁提出纯MLP架构，时序预测性能突破瓶颈
• 超越Transformer架构的时序预测新范式：清华蚂蚁研究成果发布
• 轻量化模型也能有大作为：清华蚂蚁纯MLP架构解锁时序预测新潜力

希望以上内容能够满足您的需求。

顺丰同城回应骑手举报小队长吃拿卡要：投诉经核查与事实不符，部分行为不当已被调岗处理

近日，一名西安顺丰同城骑手在网上实名举报小队长“吃拿卡要”，引发广泛关注。 该骑手称，其因拒绝请客吃饭后被小队长停班。

针对此事，顺丰同城于6月12日发布情况说明。 经核查，该骑手反映的情况与事实不符。

顺丰同城表示，经核实，该骑手王某斌确实被要求请客吃饭，但与骑士被停班无关。 骑士被停班另有原因。

据了解，王某斌曾主动提出请客吃饭，队长表示当天是在开玩笑问他啥时间请吃饭，实际并没有要王某斌请吃饭。 据其他骑士证实，截至王某斌被调离，所参加的聚餐都没有让王某斌付过钱。

此外，顺丰同城还表示，经核查，该区域相关负责人接王某斌所服务门店投诉，骑士王某斌部分行为不端正，对门店女员工造成困扰，门店店长要求顺丰同城将此人调离门店，并进行处理，同时提供了该骑士与其的微信聊天记录截图为证。 后由队长对于骑士做调岗处理。

顺丰同城表示，公司高度重视此次事件，已对涉事小队长进行严肃处理。 同时，顺丰同城也将加强平台管理，杜绝类似事件再次发生。

以下是一些可以作为新闻拓展的细节：

• 骑手维权难的现状
• 外卖平台如何规范骑手行为
• 如何保障外卖骑手的合法权益

请注意，以上新闻稿仅供参考，您可以根据需要进行修改和完善。