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。

美联储鹰派官员罕见变调：通胀缓和或将促使降息

北京讯，美联储克利夫兰联储主席梅斯特近日表示，最新数据显示通胀出现趋缓迹象，这对于美联储来说是个好消息。她呼吁美联储应密切关注通胀走势，如果未来几个月通胀持续下降，则应考虑适时降息，避免因过度紧缩政策而抑制经济增长。

梅斯特的讲话被视为美联储鹰派官员中的罕见变调。此前，美联储官员一直强调抗击通胀的决心，并暗示未来可能继续加息。然而，随着近期通胀数据回落，一些官员开始对政策立场进行调整。

梅斯特指出，虽然5月美国消费者价格指数（CPI）仅增长0.00575%，低于市场预期，但这一数据仍需进一步验证。她希望在未来几个月看到更多通胀下降的证据，并结合劳动力市场等其他经济指标进行综合研判，然后再决定是否降息。

梅斯特强调，美联储的目标是将通胀率降至2%左右，但这一目标需要循序渐进地实现。她表示，如果美联储过于激进地加息，可能会对经济造成过度冲击，反而延缓通胀下降的速度。

梅斯特的观点得到了部分经济学家的认同。他们认为，美联储应保持政策灵活性，根据经济形势变化及时调整政策立场。当前，美国经济面临着通胀和增长双重压力，美联储需要在两者之间寻求平衡点。

原文分析及扩充：

• 原文标题过于直白，缺乏吸引力。新标题「美联储鹰派官员罕见变调：通胀缓和或将促使降息」更加简洁明了，并突出了新闻的主题和看点。
• 原文对梅斯特的观点介绍过于简略。新稿增加了对梅斯特讲话背景、政策主张以及市场反应的分析，使内容更加丰富和深刻。
• 原文缺乏对相关经济指标的解读。新稿补充了对美国CPI数据和美联储官员预测的分析，帮助读者更好地理解新闻内容。
• 原文语言略显平淡。新稿在保持原意基础上，对部分句子进行了调整，使语言表达更加流畅和生动。

其他需要注意的地方：

• 新闻报道应客观公正，避免加入个人观点或偏见。
• 新闻报道应注意时效性，以最快速度将最新信息传递给读者。
• 新闻报道应注意语言的准确性，避免出现错别字或语法错误。