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。

欧元区4月工业产出意外下滑 服务业成经济复苏关键支柱

布鲁塞尔/北京 - 欧元区4月工业产出意外下滑，加剧了经济复苏乏力的担忧。数据显示，欧元区4月工业产出环比下降0.4%，低于市场预期0.2%的增长。

**德国、意大利和西班牙等主要经济体均出现工业产出下降。**德国工业产出环比下降0.7%，意大利下降0.3%，西班牙下降0.6%。

**分析师指出，工业产出下滑主要受全球供应链瓶颈、能源价格高企和乌克兰局势紧张等因素影响。**这些因素导致企业生产成本上升，盈利能力下降，进而抑制了工业生产活动。

**尽管工业产出下滑，但欧元区经济仍显示出一些积极迹象。**欧元区4月服务业PMI终值为53.9，高于预期53.4，显示服务业继续扩张。

**一些经济学家认为，欧元区经济未来复苏将更加依赖服务业。**服务业占欧元区GDP的比重超过70%，是欧元区经济的重要支柱。随着疫情防控措施放鬆，服务业需求有望逐步回升，为经济增长提供动力。

**欧元区央行行长拉加德表示，欧元区经济前景仍然存在不确定性，但央行将继续采取行动支持经济增长。**拉加德称，央行将在必要时调整货币政策，以确保欧元区物价稳定和经济增长。

**总体而言，欧元区经济复苏前景仍不明朗。**工业产出下滑增加了经济下行风险，但服务业的持续扩张为经济增长提供了一定支撑。欧元区央行将如何应对经济风险并支持经济增长值得关注。