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。

银行规范“手工补息”：短期数据调整难免，长期利好实体经济

北京讯 近日，银行业协会发布《关于规范银行线上业务操作的通知》（以下简称《通知》），要求银行不得通过人工方式为客户补发利息，以规范线上业务操作。该政策一出，引发业内广泛关注。

短期数据调整难免

业内人士指出，《通知》的实施，在短期内可能会对M1等金融数据造成一定影响。M1是指持有人可在24小时内随时提取的货币，包括现金、活期存款、旅行支票等。由于过去部分银行存在通过人工方式为客户补发利息的行为，导致M1数据有所虚高。随着《通知》的实施，这一现象将得到有效遏制，M1数据将更加真实反映市场实际情况。

长期利好实体经济

从长期来看，《通知》的实施将有利于提高金融支持实体经济的质效。此前，一些银行为了冲高业绩，通过人工方式为客户补发利息，这相当于变相抬高了银行的息差水平。而《通知》的实施，将倒逼银行通过提高服务质量、创新产品等方式来赢得客户，从而推动金融行业转型升级，更好地服务实体经济。

专家建议：多措并举促进金融数据健康发展

专家建议，相关部门应多措并举，促进金融数据健康发展。一方面，要加强对金融机构的监管，督促其严格遵守相关规定，规范经营行为。另一方面，要完善金融统计制度，提高数据质量。此外，还要加强金融宣传教育，引导投资者理性投资，树立正确的金融观念。

以下是对新闻稿的几点补充：

• 在新闻稿的第一段，增加了一些背景信息，介绍了《通知》的出台背景和主要内容。
• 在新闻稿的第二段，分析了《通知》实施的短期影响，指出可能会对M1等金融数据造成一定影响。
• 在新闻稿的第三段，分析了《通知》实施的长期利好，指出将有利于提高金融支持实体经济的质效。
• 在新闻稿的最后一段，提出了专家建议，建议相关部门多措并举，促进金融数据健康发展。

此外，我还对新闻稿的语言进行了润色，使表达更加简洁明了，用词更加严谨。

希望这篇新闻稿能够符合您的要求。