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。

淘宝升级体验分体系：优质服务获流量加持

北京 - 2024年6月17日 - 淘宝近日宣布升级体验分体系，以“店铺体验分”和“商品体验指数”取代原有的DSR评分体系，旨在通过更加全面的评价指标，引导商家提升服务质量，为消费者创造更佳的购物体验。

新版体验分体系将涵盖发货速度、物流服务、售后服务、商品描述相符度等多个维度，并引入机器学习等技术，对评价数据进行更精准的分析和评估。据淘宝方面透露，体验分将与店铺流量直接挂钩，评分越高，店铺获得的流量扶持就越大。

“我们希望通过新的体验分体系，引导商家更加关注消费者体验，从而提升整体服务水平。”淘宝相关负责人表示，“这不仅有利于消费者，也能帮助商家获得更长远的发展。”

有业内人士分析认为，淘宝升级体验分体系，是其深化分层运营策略的重要举措。近年来，淘宝一直在着力打造差异化的平台服务，以满足不同消费者的需求。此次升级体验分体系，将进一步强化平台对优质商家的扶持力度，助力商家提升服务水平和市场竞争力。

新体验分体系对商家有何影响？

• 商家需要更加重视发货速度、物流服务、售后服务等方面的工作，提升消费者满意度。
• 商家需要对商品信息进行更加准确的描述，避免虚假宣传和夸大宣传。
• 商家需要积极处理消费者的投诉和求助，提高售后的服务质量。

新体验分体系将如何影响消费者？

• 消费者将能够更加便捷地找到优质商家和商品。
• 消费者将获得更加优质的购物体验，减少购物纠纷。
• 消费者将拥有更大的选择空间，找到更加符合自身需求的商品。

淘宝升级体验分体系，是其深化分层运营策略的重要举措，有利于促进平台服务质量的整体提升，为消费者创造更加良好的购物体验。