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。

美国编剧罢工达成初步协议：历时近五个月 终于迎来转机

洛杉矶 - 2023年9月25日 - 经过近五个月的漫长谈判，美国编剧协会（WGA）与美国电影电视制片人联盟（AMPTP）终于达成了一项为期三年的初步协议，为即将结束好莱坞历史上最漫长的一次编剧罢工画上了句号。

根据协议，编剧将获得最低工资的提高、重播费用的增加以及对人工智能的使用增加限制等。具体协议内容将在未来几天内公布，并需经WGA会员投票批准。

WGA主席David Goodman表示，这项协议是“朝着正确方向迈出的一步”，并感谢会员们的团结和坚持。AMPTP首席谈判代表Matt Delvin则表示，这项协议“反映了双方对达成协议的共同承诺”。

这场始于5月2日的编剧罢工给好莱坞影视行业造成了巨大损失，数千个项目被搁置，数万名电影人和电视工作人员失业。罢工还导致多部备受期待的电影和电视剧的上映延期，甚至取消。

初步协议的达成是各方共同努力的结果，也是对好莱坞影视行业未来发展的积极信号。相信随着编剧重返工作岗位，好莱坞将迎来新的发展高峰。

以下是一些关于美国编剧罢工的更多信息：

• 罢工开始日期：2023年5月2日
• 罢工结束日期：2023年9月24日
• 罢工持续时间：146天
• 罢工影响：数千个项目被搁置，数万名电影人和电视工作人员失业

美国编剧罢工的结束，标志着好莱坞影视行业迈出了重要的一步。相信在未来的日子里，好莱坞将继续为观众带来更多精彩的电影和电视剧。