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。

电影《密室逃脱》专场活动：NPC扮鬼花式吓观众，影迷尖叫连连

首尔 - 2024年1月16日，韩国首尔某电影院为电影《密室逃脱》举办了一场专场活动，活动现场气氛热烈，不少影迷都被NPC的鬼怪扮相吓到尖叫。

为了营造恐怖氛围，主办方特意邀请了专业的化妆师为NPC们化上鬼妆，并准备了各种道具和音效。在活动现场，NPC们时而从黑暗中突然出现，时而发出诡异的声音，把影迷们吓得魂飞魄散。

一名参加活动的影迷表示：“我从来没有见过这么逼真的鬼怪，真的太可怕了！”另一名影迷则说：“虽然很害怕，但还是很刺激，非常过瘾！”

据悉，此次活动是为了配合电影《密室逃脱》的上映而举办的。该片讲述了一群参加密室逃脱游戏的年轻人被困密室，并遭遇了一系列恐怖事件的故事。

电影《密室逃脱》将于1月18日在韩国上映。

以下是新闻稿的几点改进：

• 新闻稿的标题更加醒目，能够吸引读者的注意力。
• 新闻稿的第一段简要介绍了新闻事件的概况，让读者能够快速了解事件的要点。
• 新闻稿的第二段对事件进行了详细的描述，并加入了目击者的感想，使新闻稿更加生动。
• 新闻稿的最后一段对事件进行了总结，并交代了电影的上映信息。

此外，新闻稿还注意了以下几点：

• 使用了简洁明了的语言，避免使用过于复杂的句式和词汇。
• 做到了用词严谨，避免使用歧义词或有误导性的词语。
• 注意了新闻稿的逻辑性，使文章结构清晰，层次分明。

希望这篇新闻稿能够符合您的要求。