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。

618狂欢遇冷？苹果用户无法享受部分促销商品，"苹果税"争议再起

北京 - 备受瞩目的电商年中大促618正在如火如荼地进行中，然而不少苹果用户却发现，他们在抖音、拼多多、支付宝等平台上无法看到部分数字商品的促销信息，甚至无法直接下单购买。对此，有业内人士分析认为，这可能是由于苹果应用商店的高额抽成导致，商家为规避成本，选择将部分商品仅限安卓用户购买。

据了解，受影响的商品主要包括视频会员、网盘会员、知识付费课程等数字商品。在抖音平台上，苹果用户无法看到任何芒果TV会员的商品，而安卓用户则可以正常浏览和购买；在拼多多平台上，苹果用户搜索视频会员时也无法获得任何结果，而安卓用户则可以搜索到爱奇艺、优酷等平台的会员商品；在支付宝的充值中心，芒果TV会员充值入口也显示"iOS用户暂未开放"。

对于这一现象，不少苹果用户感到不满，认为这是平台歧视和不公平竞争的表现。有用户表示，"本来想趁着618囤点会员，结果发现苹果用户竟然看不到商品信息，太无语了。"也有用户质疑，"同样的商品，安卓用户可以享受的优惠，苹果用户却不能，这难道不是差别对待吗？"

对此，相关平台尚未做出官方回应。不过，有业内人士分析认为，这背后的原因可能与苹果应用商店的高额抽成有关。苹果规定，开发者在App Store上销售数字商品，需要向苹果支付30%的分成。对于一些利润较低的商品来说，30%的抽成可能意味着几乎没有利润可言。因此，为了规避成本，商家选择将部分商品仅限安卓用户购买，以减少抽成支出。

"苹果税"一直以来都是备受争议的话题。此前，美国游戏公司Epic Games曾因在游戏中加入第三方支付渠道，被苹果从App Store下架，双方也因此展开了长达数年的法律诉讼。近年来，随着各国对反垄断监管的加强，苹果应用商店的抽成制度也面临着越来越大的压力。

此次618促销期间，苹果用户无法享受部分商品优惠事件，再次将"苹果税"问题推到了风口浪尖。有专家认为，苹果应该正视开发者和消费者的呼声，降低抽成比例，建立更加公平合理的应用商店生态。