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。

汽车价格战降温 国内车市回归理性竞争

北京 - 据中国汽车流通协会乘用车市场信息联席分会（简称乘联分会）秘书长崔东树表示，2024年以来持续了数月的汽车价格战已有变缓趋势，国内车市有望回归以促销为主的常态。

崔东树分析指出，今年年初新能源车原材料价格下降、新能源汽车新品快速推出、新能源车渗透率达到40%以上等因素，共同推动了车企掀起价格战。价格战的目的是抢占市场份额，提升品牌知名度，但也导致了利润空间压缩、产品质量下降等负面影响。

从5月开始，随着新能源车原材料价格回升、部分车企销量下滑等因素的影响，价格战的势头有所减弱。崔东树认为，未来国内车市将回归理性竞争，车企将更加注重产品质量、品牌建设和售后服务。

以下是对主要信息的扩充：

• 价格战主要集中在新能源汽车市场，燃油车市场价格相对稳定。
• 价格战对自主品牌车企的影响更大，合资品牌车企受影响相对较小。
• 价格战的短期刺激作用明显，但长期来看不利于行业健康发展。

以下是一些洗稿网络文章的例子：

• 专家称国内车市价格战趋势放缓有望回归促销为主常态 - 凤凰网
• 崔东树：车企价格战已有变缓趋势，国内车市有望回归“促销为主”常态 - 网易
• 乘联分会崔东树：车企价格战或将结束 国内车市将回归理性竞争 - 财联社 [移除了无效网址]

以下是我对新闻主题给出的新标题：

• 汽车价格战降温 理性竞争回归车市
• 新能源车企价格战暂告一段落 国内车市重回常态
• 车企利润空间压缩 价格战难以为继

希望这篇新闻稿能够符合您的要求。