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。

黑幕重重：网约车牌照暗地交易乱象调查

北京/上海/天津讯 近日，新浪科技记者对网约车市场进行了深入调查，发现存在严重的网约车牌照贩卖现象，且呈现出愈演愈烈的趋势。其中，一线城市牌照价格更是炒到了近千万元一张，甚至出现了一些不合规小公司通过更换马甲的方式接单运营的情况，为乘客安全埋下巨大隐患。

高价难求：一线城市牌照成香饽饽

据调查，目前网约车牌照的市场价格与城市级别息息相关，一线城市如北京、上海、广州、深圳等地，由于牌照数量有限且准入门槛较高，牌照价格水涨船高，一张牌照的价格甚至高达千万元。以北京为例，一张普通网约车牌照的报价约为800万元，而新能源牌照则更贵，可达1000万元以上。

疯狂吸金：不合规小公司换马甲接单

高昂的牌照价格，催生了地下交易市场。一些不法分子通过非法手段获取网约车牌照，再高价转卖牟取暴利。同时，一些经营不善的网约车公司为了逃避监管，也开始通过收购牌照或租用车辆的方式，披着合规公司的外衣从事非法运营活动。

暗藏隐患：乘客安全成最大担忧

网约车牌照贩卖乱象，不仅扰乱了正常的市场秩序，更严重的是给乘客的安全带来了巨大隐患。由于这些不合规车辆往往手续不全、司机资质不符，一旦发生事故，乘客维权将十分困难。此外，这些车辆还可能存在安全隐患，如车辆改装、超载运营等，极大地增加了交通安全风险。

严厉打击：监管部门责无旁贷

网约车牌照贩卖是网约车行业发展中的顽疾，亟需得到有关部门的重视和治理。交通管理部门应加强对网约车市场的监管，严厉打击非法买卖牌照行为，并对不合规车辆进行坚决取缔。同时，应完善网约车准入制度，提高准入门槛，净化市场环境。此外，平台也应承担起相应的责任，加强对司机和车辆的审核，杜绝不合规车辆上路运营。

还乘客安全出行环境

网约车作为一种便捷的出行方式，深受市民青睐。然而，网约车牌照贩卖乱象的出现，却严重损害了乘客的合法权益，也为道路交通安全埋下了隐患。整治网约车市场，刻不容缓。相关部门应携手打击违法行为，还乘客一个安全、放心的出行环境。