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。

全球粮食供应有望保持稳定 联合国粮农组织发布最新预测

2024年6月14日 - 联合国粮农组织（FAO）今日发布最新报告称，预计2024至2025年全球主要粮食商品供应充足，但仍需密切关注极端天气、地缘政治紧张局势等因素可能带来的风险。

根据FAO的《粮食展望》报告，受有利的天气条件和种植面积增加的推动，预计2024年全球大米和小麦产量将创下历史新高，分别达到5.12亿吨和7.75亿吨。油籽产量预计也将增长至6.82亿吨。

然而，FAO也指出，全球粮食安全形势仍然面临着诸多挑战。俄乌冲突导致的黑海港口封锁阻碍了粮食出口，推高了国际粮食价格。此外，极端天气事件变得更加频繁，也对粮食生产造成了威胁。

FAO总干事屈冬玉表示：“尽管预计未来一年的全球粮食供应充足，但我们仍需保持警惕，密切关注可能影响粮食安全的不确定性因素。各国应采取措施加强国际合作，共同应对粮食安全挑战。”

具体而言，FAO的报告提出了以下几点建议：

• 增加对农业生产的投资，提高粮食产量和抗风险能力。
• 改善粮食贸易体系，确保粮食能够顺利流通。
• 加强社会安全网建设，帮助弱势群体抵御粮食价格上涨的冲击。

以下是报告中的一些其他重要数据：

• 2023年全球粮食价格指数平均为162.8点，同比上涨3.9%。
• 2023年全球共有56个国家和地区面临严重粮食不安全问题，其中38个位于非洲。
• 2023年全球共有约8.28亿人处于严重粮食不安全状态，其中超过6亿人生活在非洲。

FAO的报告为全球各国制定粮食安全政策提供了重要参考。 各国应根据自身情况，采取切实措施，确保本国人民的粮食安全。