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。

vivo出让当地公司股权？中国手机厂商印度“本土化”困局待解

北京 - 近日，有消息称中国智能手机厂商vivo正与印度合作伙伴进行谈判，拟将部分当地公司股权转让给后者。此举引发业界猜测，vivo此举或为其在印度市场进一步“本土化”战略的一部分。

vivo是步入印度市场的众多中国手机厂商之一，凭借着高性价比和强悍的营销策略，vivo在印度市场取得了巨大成功，一度成为印度市场份额最高的手机品牌。然而，近年来，随着印度政府加强对中国企业的审查，以及小米、realme等其他中国手机厂商的强势崛起，vivo在印度市场面临着越来越大的压力。

为了应对挑战，vivo近年来一直在积极推进其在印度的“本土化”战略。其中，一项重要举措就是与印度当地企业合作，建立合资公司。例如，2019年，vivo与印度电子制造商Dixon Technologies合作，在印度建立了一家制造工厂。

有分析人士认为，vivo此次拟转让部分当地公司股权，可能是为了进一步深化其与印度合作伙伴的合作关系，加强其在印度的本土化运营能力。通过将部分股权转让给印度合作伙伴，vivo可以更好地融入印度的商业环境，并获得更多来自印度政府的支持。

然而，也有分析人士指出，vivo此举也可能意味着其在印度市场正面临着一定的困难。印度市场竞争激烈，利润空间狭窄，vivo可能希望通过转让股权来降低成本，提高盈利能力。

中国手机厂商在印度市场普遍面临着“本土化”困境。一方面，印度政府为了保护本国产业，对中国企业实施了一系列限制措施，例如提高关税、加强审查等。另一方面，印度消费者对于价格敏感度较高，中国手机厂商为了保持竞争力，不得不压缩利润空间。

在这样的情况下，中国手机厂商需要通过加强“本土化”来提升自身竞争力。具体而言，可以采取以下措施：

• 与印度当地企业合作，建立合资公司，充分利用印度当地的资源和优势。
• 加大研发投入，开发符合印度消费者需求的产品。
• 加强本地化服务，提升售后服务水平。
• 积极参与印度社会公益事业，树立良好的企业形象。

只有通过加强“本土化”，中国手机厂商才能真正融入印度市场，实现可持续发展。