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。

欧元区通胀虽显降势 仍面临结构性挑战：拉加德预计未来或有新冲击

欧洲央行行长克里斯蒂娜·拉加德表示，欧元区通胀虽然出现回落迹象，但未来仍将面临来自地缘政治分裂和气候变化等因素的结构性挑战，其回落之路不会一帆风顺。

拉加德指出，欧元区5月份通胀率为8.6%，较前一个月有所下降，但仍处于历史高位。这主要得益于能源价格回落，但食品价格仍保持强劲上涨势头。

她表示，欧洲央行将继续采取行动遏制通胀，但政策制定者需要在控制通胀和避免经济衰退之间取得平衡。

拉加德还强调，欧元区通胀的未来走势将受到商业周期以外因素的推动，其中包括地缘政治分裂和气候变化。

“地缘政治分裂可能导致能源和食品价格进一步上涨，而气候变化则可能推升能源转型成本，”她说，“这些因素都可能对通胀造成上行压力，至少在短期内是这样。”

拉加德的讲话表明，欧洲央行在收紧货币政策的同时，也将密切关注可能对通胀造成影响的外部因素。

分析人士认为，拉加德的讲话给市场传递出两个重要信息：

• 首先，欧元区通胀仍处于高位，欧洲央行将继续采取行动控制通胀。
• 其次，欧元区通胀面临的挑战不仅仅是短期因素，还包括长期因素。这可能意味着欧洲央行需要在更长时期内保持政策紧缩。

欧元区通胀走势将如何演变，仍有待观察。但可以肯定的是，欧洲央行将面临一个更加复杂的政策环境。