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。

蔚来困局再现：高定位难以为继，多线出击能否扭转乾坤？

北京 - 曾被誉为中国新能源汽车领军企业的蔚来，近年来似乎陷入了困境之中。近日，随着其二季度财报的发布，蔚来持续亏损的局面再次引发了业内人士的担忧。

财报数据显示，蔚来第二季度营收为186.6亿元，同比增长22.8%；净亏损为45.67亿元，同比扩大10.8%。 值得注意的是，蔚来第二季度的整车毛利率仅为11%，相比去年同期的17.2%下降明显。

蔚来亏损的主要原因在于其高昂的成本。蔚来主打高端市场，其车型均价超过40万元人民币。** 高昂的售价使得蔚来的销量始终难以突破，进而导致其摊薄成本的能力有限。** 此外，蔚来还为用户提供了包括电池租用、NIO House等一系列服务，这些服务也进一步增加了其运营成本。

为了扭转局面，蔚来近年来采取了一系列措施，包括推出更低价的车型、进军海外市场等。** 然而，这些措施目前尚未取得明显效果。** 今年5月，蔚推出了旗下第二品牌“乐道”，首款车型L60的预售价为21.99万元。** 然而，L60的市场表现并不理想，其预售量仅为几千辆。**

除了产品策略之外，蔚来在渠道和服务方面也存在一些问题。 蔚来目前主要在一线和新一线城市布局，三四线城市的服务网点相对较少。** 这使得蔚来难以触及到更广阔的市场。** 此外，蔚来的服务体系也存在一些不足，例如维修保养费用较高、服务态度有待提升等。

面对困境，蔚来需要从多方面入手，寻求突破。 首先，蔚需要继续提升产品性价比，推出更多符合市场需求的车型。** 其次，蔚需要加快海外市场布局，拓展新的增长空间。** 此外，蔚还需要优化渠道和服务体系，提升用户满意度。

总而言之，蔚来当前的处境不容乐观。 高定位难以为继，多线出击能否扭转乾坤，还需要时间来检验。