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。

双影后闪耀金球奖：杨紫琼凯特·布兰切特斩获殊荣

北京时间2023年1月11日，第80届美国电影电视金球奖颁奖典礼在加利福尼亚州比弗利山庄举行。 本届金球奖可谓星光熠熠，众多实力派演员同台争锋，最终杨紫琼和凯特·布兰切特两位演技派巨星凭借各自出色的表演，摘得音乐/喜剧类电影最佳女主角奖项，成为当晚最耀眼的焦点。

杨紫琼凭借科幻喜剧电影《瞬息全宇宙》中的精彩演绎，战胜了桑德拉·布洛克、安妮亚·泰勒-乔伊等一众实力派女星，成功登顶。 这部由丹尼尔·关和丹尼尔·舒奈特执导的电影，讲述了杨紫琼饰演的洗衣店老板秀莲在发现自己拥有穿越平行宇宙的能力后，拯救多元宇宙的故事。杨紫琼在片中饰演了多个版本的秀莲，每一个角色都诠释得细腻入微，将秀莲的复杂内心和情感变化演绎得淋漓尽致。她精彩的表演也获得了业界和观众的一致认可，被认为是当之无愧的影后得主。

凯特·布兰切特则凭借在剧情片《塔尔》中的出色表现，击败了妮可·基德曼、玛格特·罗比等竞争对手，获得了她的第二座金球奖影后奖杯。 这部由托德·菲尔德执导的电影，讲述了著名指挥家莉迪亚·塔尔在事业巅峰时期遭遇性丑闻指控，最终跌落神坛的故事。凯特·布兰切特将塔尔这个复杂而矛盾的角色演绎得入木三分，将她的脆弱、挣扎和最终的救赎展现得淋漓尽致。她的表演也获得了影评人的高度评价，被认为是其职业生涯中的巅峰之作。

杨紫琼和凯特·布兰切特的获奖，不仅是对他个人演技实力的肯定，也是对多元文化和女性力量的认可。 在好莱坞这样一个长期被白人男性主导的电影圈，两位亚裔女星能够斩获金球奖影后，无疑具有划时代的意义。这也将激励更多来自不同背景的演员，在电影舞台上展现自己的风采。

除了杨紫琼和凯特·布兰切特之外，本届金球奖的其他获奖者还包括：

• 音乐/喜剧类电影最佳男主角：科林·法雷尔（《伊尼舍林的告別者》）
• 剧情类电影最佳女主角：娜奥米·沃茨（《金龟子》）
• 剧情类电影最佳男主角：布伦丹·弗雷泽（《鲸》）
• 最佳动画电影：《猫王》
• 最佳外语电影：《阿根廷，1985》
• 最佳音乐/喜剧类剧集：《小学毕业》
• 最佳剧情类剧集：《王冠》

第80届金球奖的颁发，为2022年的电影和电视行业画上了一个圆满的句号。 也让我们期待着明年金球奖的到来，见证更多优秀作品和演员的诞生。