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。

5月份CPI同比上涨0.3%：食品价格下降，非食品价格温和上涨

北京，2024年6月17日 - 国家统计局今日发布数据显示，2024年5月份，全国居民消费价格（CPI）同比上涨0.3%，涨幅与上月持平。其中，城市和农村居民消费价格分别上涨0.3%和0.4%。

分商品类别看，5月份食品价格同比下降2.0%，非食品价格上涨0.8%。影响CPI下降约0.28个百分点的食品中，蛋类、鲜果、畜肉类价格分别下降7.4%、6.7%和2.2%。但其中，猪肉价格上涨4.6%，影响CPI上涨约0.05个百分点。鲜菜价格上涨2.3%，影响CPI上涨约0.05个百分点。粮食价格上涨0.5%，影响CPI上涨约0.01个百分点。

非食品价格中，教育文化娱乐、衣着、其他用品及服务价格分别上涨1.7%、1.6%和3.6%。医疗保健、生活用品及服务、居住价格分别上涨1.5%、0.8%和0.2%。交通通信价格下降0.2%。

环比看，5月份居民消费价格下降0.1%。其中，食品价格持平，非食品价格下降0.2%。

总体来看，5月份我国物价水平基本平稳。食品价格有所下降，但猪肉价格仍然偏高。非食品价格温和上涨，服务价格保持平稳。下一步，国家发展改革委将继续加强市场监测，落实各项调控措施，保持物价总体稳定。