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。

印度股市强劲复苏：交易量创历史新高，海外投资者持续买入

孟买/北京 - 印度股市延续强劲复苏势头，基准股指屡创新高，交易量创历史新高。海外投资者持续买入印度股票，推动市场上涨。

**截至2024年6月14日，印度基准股指孟买敏感指数（Sensex）**已连续第八年上涨，今年迄今涨幅超过13%。6月13日，Sensex指数上涨2.05%，收于68865.12点，再创历史新高。印度国家证券交易所（Nifty）50指数也上涨2.1%，收于20855.10点，同样创下历史新高。

印度股市强劲复苏得益于多重因素，包括：

• 强劲的经济增长：印度经济预计将保持强劲增长，2023-2024财年增速将达到6.7%。
• 企业盈利增长：印度企业盈利增长势头强劲，得益于国内需求的回升和全球经济的复苏。
• 流动性充裕：全球央行放宽货币政策，导致资金流入新兴市场，包括印度。
• 估值相对较低：与其他新兴市场相比，印度股市的估值相对较低，吸引了海外投资者的兴趣。

**印度股市强劲复苏也带动了股票交易量的激增。**截至2024年6月13日，印度两大交易所的10日移动平均交易量升至210亿美元，比过去一个月猛增约50%。

**海外投资者持续买入印度股票。**据彭博数据，今年迄今，海外投资者净买入印度股票价值38亿美元。

一些分析师表示，印度股市可能会继续上涨，但投资者也需要注意一些风险，例如全球经济衰退风险和通胀上升风险。

总体而言，印度股市前景乐观，有望继续吸引投资者目光。