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。

特斯拉股东怒斥马斯克560亿美元薪酬方案：过分激励还是利益输送？

洛杉矶讯 备受争议的特斯拉CEO埃隆·马斯克560亿美元薪酬方案终于尘埃落定，在股东大会上获得通过。然而，这一结果却引来众多投资者的强烈反对，他们怒斥该方案“荒谬绝伦”，并质疑其中存在利益输送。

该薪酬方案的核心内容是授予马斯克12组市值和经营目标相关的股票期权，若全部实现，其价值将高达560亿美元，是美国公司历史上最大的一笔激励方案。尽管马斯克带领特斯拉取得了巨大成功，但如此巨额的薪酬仍令许多投资者感到难以接受。

反对者认为，该方案将马斯克的个人利益与公司股东利益过度捆绑，可能导致其为实现目标而做出短期决策，损害公司长期利益。 此外，他们还质疑董事会在薪酬方案制定过程中是否存在利益冲突，并批评特斯拉缺乏透明度。

例如，特斯拉主要机构投资者之一Glass Lewis就表示，该方案“过于慷慨”，并可能导致马斯克“过度稀释”现有股东的股份。 另一家机构股东服务公司ISS也建议投资者反对该方案，称其“未充分对齐股东利益”。

尽管遭遇反对，马斯克的支持者仍力挺该方案，称其是留住这位“天才CEO”的必要手段。 他们认为，马斯克的领导力是特斯拉成功的关键，其高额薪酬也是对其贡献的应有回报。

马斯克本人则在社交媒体上表示，他将把获得的股票期权全部用于特斯拉股票的再投资，并承诺将继续为公司创造价值。

这场薪酬方案风波再次引发了外界对上市公司高管薪酬合理性的讨论。 在股东利益和高管激励之间，究竟该如何平衡？这是一个值得深思的难题。

新的标题：

特斯拉股东怒斥马斯克560亿美元薪酬：巨额激励还是利益输送？