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。

端午出行需求旺盛 滴滴打车顺风车订单量激增

北京，2024年6月15日 - 据滴滴出行发布的数据，端午节当天，滴滴平台打车订单量同比增长37%，顺风车订单量同比增长超100%。其中，顺风车预约出行订单量同比去年增长278%，顺风车车主发布端午期间预约出行路线量同比去年上涨200%。

端午假期，人们出行需求旺盛，滴滴平台打车、顺风车订单量大幅增长。 其中，顺风车成为许多市民出行的首选方式。数据显示，济南、重庆、上海等城市成为端午热门预约目的地。

从跨城需求来看，北京至保定、石家庄、秦皇岛、天津等周边城市，山东省内济南至泰安/淄博、烟台至青岛，江苏省内南京至南通、泰州、扬州等，是今年端午的顺风车热门路线。 此外，不少用户选择携带宠物出行，预约滴滴顺风车携宠出行的订单量同比去年上涨43%。

滴滴出行表示，为保障用户假期出行安全，公司将加强对长距离、场站、经过高速/快速路订单的安全守护。 此外，滴滴还为用户提供了安全专线、110报警、亲友守护、驾驶行为反馈等丰富的安全工具。

专家指出，随着人们生活水平的提高，假期出行需求日益旺盛。即时配送平台应进一步提升服务质量，为用户提供更加安全、便捷的出行体验。