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。

端午海外租车火爆：飞猪预订量同比增长超2倍

北京，2024年6月16日 - 随着人们生活水平的不断提高和旅游观念的转变，自驾游已经成为越来越多游客出游的方式之一。特别是对于境外游来说，自驾游可以更加自由灵活地安排行程，不受公共交通的限制，更能深入体验当地的风土人情。

根据飞猪发布的《2024端午假期出游快报》，今年端午假期，飞猪海外租车商品预订量同比增长超2倍，境外自驾游成为出境游的新热点。

从飞猪的数据来看，日本、泰国、中国香港、马来西亚、韩国是端午假期最热门的海外租车目的地。这些国家和地区距离中国较近，飞行时间短，交通便利，适合短途旅行。此外，这些国家和地区的自驾游基础设施完善，租车手续便捷，驾驶规则与中国相近，也为中国游客提供了便利。

飞猪的分析人士表示，端午假期海外租车预订量的激增，反映了中国游客出游方式的转变。越来越多的游客选择自驾游的方式出游，这不仅是出游半径的拓展，更是对旅行体验深度的一次升级。

自驾游可以使游客更加自由地安排行程，不受公共交通的限制，更能深入体验当地的风土人情。此外，自驾游也更加适合家庭出游，可以增进家人之间的感情。

飞猪也将继续为游客提供优质的海外租车服务，帮助游客畅享自驾游的乐趣。