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。

塞斯科获薪水大幅提升！图片报：萨尔茨堡红牛前锋年薪涨至800万欧元

萨尔茨堡/慕尼黑 - 据德国图片报报道，萨尔茨堡红牛前锋塞斯科与俱乐部续约后，年薪将大幅提升至800万欧元。这一薪资水平在奥地利足球史上可谓是无与伦比的。

塞斯科现年19岁，来自斯洛文尼亚，司职前锋。他于2020年加盟萨尔茨堡红牛，并在过去两个赛季中迅速成长为球队的主力前锋。上赛季，塞斯科代表萨尔茨堡红牛出场36次，打进21球，送出10次助攻，表现极为出色。

塞斯科的出色表现引起了多家欧洲豪门的关注，其中包括拜仁慕尼黑、曼城和皇马等球队。不过，萨尔茨堡红牛最终成功与塞斯科续约，并将其年薪提升至800万欧元。

800万欧元的年薪，使塞斯科成为了奥地利足球史上薪资最高的球员。这也体现了萨尔茨堡红牛对塞斯科的重视，以及他们希望留住这名天才前锋的决心。

塞斯科与萨尔茨堡红牛续约，也让拜仁慕尼黑等追求他的豪门球队感到失望。不过，他们也并没有放弃引进塞斯科的希望，并表示将会继续关注他的发展。

以下是一些关于塞斯科的更多信息：

• 塞斯科被誉为是欧洲足坛最具潜力的年轻前锋之一。
• 塞斯科与萨尔茨堡红牛的合同将持续至2026年。
• 塞斯科的经纪人是著名的超经纪人门德斯。

免责声明： 本文仅供参考，不构成任何投资建议。