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。

美国货币市场基金规模再创新高 7万亿美元近在咫尺

北京讯 - 继4月份创下历史新高后，美国货币市场基金规模再攀高峰，截至6月12日的一周内升至6.12万亿美元，距离7万亿美元大关仅一步之遥。

这一现象主要归因于市场预期美联储将维持紧缩政策，导致投资者转向避险资产。美国投资公司协会的数据显示，过去一周约有280亿美元流入货币市场基金，其中政府基金规模增长251.4亿美元，优质基金规模增长49.2亿美元。

Federated Hermes全球流动性市场首席投资官Deborah Cunningham表示，随着企业外包现金管理以获取收益，未来几个月货币市场基金规模仍有可能继续扩大，甚至突破7万亿美元。

货币市场基金规模持续膨胀的背后，是投资者对经济衰退的担忧加剧。 美联储自2022年3月以来已累计加息6次，联邦基金利率目标区间从0.00-0.25%提升至5.25-5.50%。激进的货币紧缩政策导致美国经济增长放缓，失业率上升，引发投资者对经济衰退的担忧。

在这种情况下，投资者倾向于将资金配置在流动性高、风险低的货币市场基金中，以规避潜在的市场风险。 货币市场基金主要投资于短期债券，如美国国债、回购协议和商业票据等，具有较强的稳定性和安全性。此外，货币市场基金的收益率也明显高于银行存款利率，吸引了部分寻求稳健收益的投资者。

不过，也有分析人士指出，货币市场基金规模持续膨胀可能带来潜在风险。 庞大的资金流入可能导致货币市场基金价格波动加剧，并可能挤出其他资产类别，影响金融市场的稳定性。

总体而言，美国货币市场基金规模再创新高反映了市场避险情绪的上升。 在美联储继续维持紧缩政策的背景下，预计货币市场基金规模仍将保持高位运行。