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。

“叫花鸡”风波余波未平：店家称系临时工误操作 市场监管部门介入调查

杭州——近日，一段名为“游客杭州买‘叫花鸡’发现里面全是泥”的视频在网络上热传，引发广泛关注。视频中，游客称自己在杭州某景区购买了三份叫花鸡，打开后却发现其中两份里面只有泥巴，没有鸡肉。此事迅速登上微博热搜，也引起了杭州市市场监管部门的重视。

据了解，事发后，杭州市上城区市场监管局立即赶赴涉事店家进行调查。经查实，该店存在将样品当做商品售卖给消费者的行为。店家负责人表示，由于假期人手不足，他们招了一批临时工。事发当天，客流量较大，可能是临时工不熟悉商品，导致将样品误给了顾客。

目前，市场监管部门已对涉事店家立案调查，并责令其整改。同时，也将该事件纳入“双随机一公开”监管机制，加强对餐饮店的日常监管，杜绝类似事件再次发生。

**“叫花鸡”**是一道历史悠久的传统名菜，相传由南宋农民发明。这道菜的做法是用荷叶、泥巴和稻草将鸡肉包裹起来，经过火烤而成。由于鸡肉经过长时间的焖制，骨肉分离，香气浓郁，因此深受人们喜爱。

然而，近年来，一些不法商家为了牟取暴利，在制作“叫花鸡”时偷工减料，以次充好，甚至出现用其他肉类冒充鸡肉的情况。这不仅损害了“叫花鸡”的招牌，也侵害了消费者的合法权益。

此次“叫花鸡”事件再次提醒餐饮店家应严格遵守食品安全法规，杜绝虚假宣传、欺诈消费者的行为。同时，消费者在购买食品时也应注意甄别，选择信誉良好的商家，并索要相关票据，以维护自身合法权益。

以下是一些网友对该事件的评论：

• “真是太过分了，这种店家就应该严厉查处！”
• “以后还是自己在家做吧，外面吃的太不放心了。”
• “建议相关部门加强监管，定期对餐饮店进行检查。”

希望这次事件能够引起有关部门的重视，加强对餐饮行业的监管，让消费者能够吃得安心、放心。