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。

法国国债暴跌与德债利差扩大：政治风险笼罩，市场避险情绪升温

[城市，日期] - 法国国债市场近期风波不断，收益率持续攀升，与德国国债的利差也创下2017年以来新高，反映出市场对法国政治风险的担忧加剧。

**法国总统大选第二轮投票将于6月24日举行，极右翼政党国民联盟候选人勒庞的民调支持率不断上升，令投资者感到担忧。**勒庞的政策主张与欧盟主流价值观存在较大分歧，如果她当选，可能会导致法国退出欧盟，进而引发欧元区动荡，甚至解体。

**在避险情绪升温的情况下，投资者纷纷抛售法国国债，以规避潜在的政治风险。**法国10年期国债收益率本周上升超过20个基点，至0.90%左右，创下2022年3月以来的最高水平。

**与德国10年期国债收益率相比，法国10年期国债收益率的利差也大幅扩大，至69个基点，创下2017年7月以来的最大值。**这表明投资者对法国经济和财政前景的信心正在下降。

**一些分析人士指出，法国国债收益率的上升可能只是暂时的现象。**如果勒庞最终未能当选，市场情绪可能会迅速恢复平静。然而，如果勒庞当选，法国国债收益率可能会进一步上升，并可能引发更广泛的金融市场动荡。

**总体而言，法国国债市场近期表现动荡，反映出市场对法国政治风险的担忧加剧。**未来，法国国债收益率将如何演变，值得密切关注。

请注意：

• 本新闻稿仅供参考，不构成任何投资建议。
• 本新闻稿中的信息可能存在误差或遗漏。
• 依据本新闻稿中的信息做出的任何投资决策概不负责。