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。

特斯拉股东批准马斯克560亿美元天价薪酬方案 引发多方关注

北京 - 2024年6月14日，特斯拉股东在公司年度股东大会上投票批准了埃隆·马斯克560亿美元的薪酬方案。该方案曾于2018年获得股东批准，但今年1月被特拉华州法官裁定无效，原因是董事会未尽到充分的披露义务且存在利益冲突。

此次投票结果的达成并非意料之外，但仍引发了多方关注。支持者认为，马斯克的领导才华和远见卓识是特斯拉取得巨大成功的关键，其巨额薪酬是对他应得的奖励，也有助于激励他继续为公司创造价值。

然而，反对者则认为，马斯克的薪酬水平过高，与特斯拉的财务表现并不相匹配，且其分散在多家公司的精力可能影响他在特斯拉的投入。此外，也有股东担忧巨额薪酬方案可能助长企业高管薪酬过高的问题。

以下是一些值得关注的问题：

• 马斯克能否兑现薪酬方案中规定的业绩目标？ 该方案将基于特斯拉的市值和业绩增长等指标进行奖励，而这些指标的实现存在一定的难度。
• 马斯克的巨额薪酬会对其他高管和员工的薪酬产生怎样的影响？ 特斯拉的薪酬体系一直备受争议，一些员工认为他们的薪酬水平与公司业绩的贡献相比并不公平。
• 马斯克是否会将更多精力放在特斯拉上？ 马斯克目前担任多家公司的CEO，且对人工智能、脑机接口等领域也投入了大量精力。这是否会影响他在特斯拉的投入，进而影响公司的发展？

时间将证明，马斯克的560亿美元薪酬方案究竟是特斯拉股东明智的选择，还是将为公司埋下隐患。

以下是一些额外的细节，您可以根据需要添加到新闻稿中：

• 投票结果：据报道，有超过70%的股东投票支持了该薪酬方案。
• 反对声音：一些股东团体和投资者表达了对该方案的反对，并计划提起诉讼。
• 马斯克回应：马斯克在推特上表示，他将继续努力带领特斯拉实现更大的成功。

我希望这篇新闻稿能够满足您的要求。如果您还有其他问题，请随时提出。