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。

美联储官员释放降息信号：期待通胀数据持续向好

北京时间2024年6月19日 - 美联储官员近期频频释放降息信号，但同时也强调需要看到几个月的良好通胀数据才能采取行动。

芝加哥联储行长Austan Goolsbee表示，5月份公布的CPI数据显示通胀有所缓解，这是一个积极的迹象，但“毕竟只是单月数据”。他表示，如果未来几个月的数据持续显示通胀回落趋势，美联储将对降息更有信心。

明尼阿波利斯联储行长Neel Kashkari也表达了类似的观点。他表示，美联储需要看到通胀率持续下降并稳定在目标水平附近，才能考虑降息。

美联储主席鲍威尔在上周的讲话中也强调，美联储将继续关注通胀数据，并在必要时调整政策。

市场分析人士认为，美联储官员的表态表明，尽管他们对近期通胀数据有所缓和感到欣慰，但仍然谨慎行事，不会急于降息。未来几个月的通胀数据将是决定美联储降息步伐的关键因素之一。

以下是一些可能影响未来通胀数据的因素：

• 全球大宗商品价格走势
• 供应链瓶颈缓解情况
• 劳动力市场状况
• 美联储货币政策

美联储的货币政策对经济和金融市场具有重大影响。如果美联储降息，可能会刺激经济增长，但也可能导致通胀反弹。因此，美联储需要权衡利弊，审慎决策。

新的标题：

美联储官员释放降息信号 但强调需持续观察通胀数据