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。

理想汽车车主账号被锁事件始末：误伤车主已恢复登录

[北京，2024年6月14日] 针对近日有理想汽车车主反映其账号被锁无法使用手机钥匙一事，理想汽车今日发布声明进行了回应。

理想汽车表示，经核查，该车主账号触发了理想汽车App中的风险管控程序，该程序会对非主车控账号的异常操作进行系统限制，暂停该账号登录理想汽车App的权限。该设定的本意是避免“广告营销”等恶意账号频繁关注理想用户产生打扰，但在本次事件中“误伤”了车主授权的家人账号。

理想汽车进一步解释道，理想汽车App的风险管控程序会对账号登录行为进行监测，如果发现账号存在异常登录情况，例如频繁登录、登录地异常等，则会触发该程序。在本次事件中，车主授权的家人账号在短时间内多次尝试登录，触发了风险管控程序，导致账号被锁。

理想汽车表示，在收到车主反馈后，公司第一时间核实了情况，并对车主授权的家人账号进行了解锁处理。目前，该车主已可以正常使用手机钥匙。

理想汽车也表示，将对风险管控程序进行优化，避免类似事件再次发生。

理想汽车车主账号被锁事件，再次引发了人们对汽车智能安全问题的关注。随着汽车智能化程度的不断提高，汽车安全问题也越来越重要。车企应加强对汽车智能系统的安全防护，确保用户的数据安全和隐私安全。

附赠：

• 理想汽车回应车主账号被锁全文：https://m.163.com/dy/article/J4I9PAQ905118I96.html
• 理想汽车App下载链接：[移除了无效网址]

通过此次新闻稿的撰写，我更加了解了理想汽车车主账号被锁事件的始末及原因。相信随着汽车智能安全技术的不断进步，汽车智能安全问题将得到有效解决，为用户提供更加安全、可靠的用车体验。