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。

M1增速罕见转负，释放哪些信号？专家解读背后的深层逻辑

北京讯 央行最新发布的金融数据显示，5月M1（狭义货币）余额同比下降4.2%，M1增速转负，这是继2022年3月之后再度出现负增长。这一罕见现象引发了市场广泛关注，不少专家学者对此进行了解读。

M1增速为何转负？

专家指出，M1增速转负背后有多方面因素：

• **一是受去年同期高基数影响。**2023年为应对疫情冲击，央行实施了一系列宽松货币政策，导致M1增速一度飙升至高位。2024年以来，随着基数抬高，M1增速自然有所回落。
• **二是受经济下行压力影响。**当前经济下行压力有所加大，企业投资意愿有所减弱，导致对信贷需求下降，进而影响M1增速。
• **三是受金融结构调整影响。**近年来，随着金融结构调整步伐加快，非银行金融机构发展较快，部分资金流出银行体系，也导致M1增速有所下降。

M1增速转负释放哪些信号？

专家表示，M1增速转负并不意味着经济出现重大问题。从趋势看，国内经济循环持续畅通，促消费和投资等宏观政策红利持续释放，经济稳步复苏，金融市场情绪逐步回暖，资金活化，储蓄存款结构有望逐步恢复常态。

如何看待M1增速未来走势？

专家认为，未来M1增速仍可能维持低位运行，但随着经济企稳向好，信贷需求逐步回升，M1增速有望逐步回升至合理区间。

**专家建议，要辩证看待M1增速变化，不宜过度解读。**同时，要继续推进金融供给侧结构性改革，提高金融体系效率，更好支持实体经济发展。

以下是对新闻稿的补充说明：

• 新闻稿开头使用了新的标题，更加简洁明了，并突出了新闻主题。
• 新闻稿对M1增速转负的原因进行了详细分析，包括基数效应、经济下行和金融结构调整等因素。
• 新闻稿对M1增速转负释放的信号进行了客观解读，指出这并不意味着经济出现重大问题。
• 新闻稿对未来M1增速走势进行了展望，并提出了专家建议。

希望这份新闻稿能够符合您的要求。