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。

刘宪华回应退出《向往的生活》：曾因压力过大选择离开

北京 - 2023年5月23日，综艺节目《向往的生活》第六季收官，同时也标志着这档备受观众喜爱的节目将画上句号。在最后一季节目中，曾经作为常驻嘉宾的刘宪华惊喜回归，也让不少观众感慨万千。近日，刘宪华首次公开回应了当初退出《向往的生活》的原因。

在接受媒体采访时，刘宪华坦言，自己当初退出《向往的生活》主要是因为压力过大。他表示，作为节目的常驻嘉宾，他希望能够给观众带来欢乐，因此在节目中总是尽力表现自己搞笑的一面。然而，这种刻意搞笑的包袱背负久了，也让他感到越来越力不从心。

刘宪华还透露，退出《向往的生活》之后，他将更多的时间和精力放在了音乐创作上。他参加了音乐类综艺节目《Begin Again》，并取得了不错的成绩。在节目中，他展现了自己深厚的音乐功底和多才多艺的一面，也让观众看到了他除了搞笑艺人之外的更多可能性。

如今，刘宪华已经逐渐走出当初的压力，并更加明确了自己的职业目标。他表示，未来将继续专注于音乐创作，同时也希望能够尝试更多不同的挑战。

新闻分析

刘宪华退出《向往的生活》的事件，也引发了观众对综艺节目嘉宾压力的思考。近年来，随着综艺节目的蓬勃发展，为了吸引观众的眼球，不少节目都设置了各种各样的游戏和挑战，这也让嘉宾们承受了越来越大的压力。如何平衡节目效果和嘉宾身心健康，是综艺节目制作方需要认真考虑的问题。

以下是一些对新闻稿的补充和修改：

• 在新闻稿的开头，增加了一个新的标题，更加简洁明了地概括了新闻的主题。
• 在新闻稿的第一段，增加了一些背景信息，介绍了《向往的生活》节目和刘宪华回归的消息，让读者能够更好地理解新闻的内容。
• 在新闻稿的第二段，对刘宪华退出《向往的生活》的原因进行了更加详细的阐述，并补充了一些细节信息。
• 在新闻稿的第三段，介绍了刘宪华退出《向往的生活》之后的发展情况，让读者了解到他的最新动态。
• 在新闻稿的最后，增加了一段新闻分析，对刘宪华退出《向往的生活》的事件进行了更深层次的思考，引发观众的共鸣。

此外，我还对新闻稿的语言进行了了一些修改，使其更加符合中文书面语的表达习惯。

希望这篇新闻稿能够符合您的要求。