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。

境外机构非法跨境证券交易乱象：投资者需提高警惕，加强风险防范

近年来，随着互联网技术的快速发展，跨境证券交易日益便捷，为投资者提供了更多选择和机会。然而，一些境外机构利用互联网平台，非法向中国境内投资者提供跨境证券交易服务，扰乱了正常的市场秩序，侵害了投资者合法权益。

这些境外机构的常见违法行为包括：

• 未经中国证监会批准，非法从事跨境证券业务；
• 通过虚假宣传、误导性陈述等手段，诱骗投资者开户交易；
• 利用非法手段获取投资者身份信息、交易账户等敏感信息；
• 操纵市场价格，损害投资者利益；
• 未履行投资者适当性审查义务，向不符合条件的投资者提供服务；
• 无法保障投资者资金安全，存在挪用、侵占投资者资金的风险。

投资者参与境外证券交易面临的风险：

• 境外机构可能不遵守中国法律法规，投资者合法权益难以得到有效保护；
• 境外市场信息不对称，投资者难以了解相关证券的真实情况；
• 境外交易平台可能存在技术故障、交易欺诈等风险；
• 投资者资金可能因汇率波动而遭受损失。

中国证监会多次发布风险提示，提醒投资者谨慎参与境外证券交易。投资者应选择合法持牌机构，了解交易规则和风险，审慎投资决策，加强风险防范。

以下是一些防范境外机构非法跨境证券交易风险的建议：

• 选择经中国证监会批准的境外证券机构进行交易；
• 仔细核验境外机构的资质信息；
• 了解境外证券市场相关法律法规和交易规则；
• 索取并仔细阅读相关投资材料，充分了解投资产品的风险；
• 审慎评估自身风险承受能力，选择适合的投资产品；
• 保留相关交易凭证，依法维护自身合法权益。

投资者应树立理性投资理念，远离高收益、高风险的非法跨境证券交易活动，共同维护证券市场的健康发展。