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。

瑞典房企SBB债务缠身：断臂求生 转移债务上市住宅资产

斯德哥尔摩 – 2024年6月14日 – 陷入困境的瑞典房地产公司SBB正采取激进措施缓解债务压力，并为其住宅资产组合的首次公开募股（IPO）做准备。SBB计划将部分债务从母公司转移到住宅房地产子公司Sveafastigheter AB，以改善其资产负债表状况。

SBB首席执行官Leiv Synnes表示： “回购SBB的债务，同时获得Sveafastigheter有吸引力的长期债务，完全符合我们创建独立业务领域的战略。” 他补充说：“这对SBB的资产负债表、Sveafastigheter的资产负债表和投资者来说是一个三赢的局面。”

此次债务转移涉及约25亿瑞典克朗（约合2.4亿美元）的债务。 SBB将向Sveafastigheter发行新债券，以换取现有债券。新债券将无抵押，利率为4.75%，将于2027年到期。

SBB还计划将价值104亿瑞典克朗（约合10亿美元）的担保银行债务转移到Sveafastigheter。 这将降低SBB的整体债务水平，并使其更容易获得新的融资。

SBB的债务重组计划得到了分析师的积极评价。 北极证券信贷分析师表示：“从SBB的角度来看，计划中的债券转换是合理的。控股公司的债券可以以低于面值的价格进行交换，同时支付少量现金（占总对价的20%），以保持公司的流动性。”

然而，SBB仍面临一些重大挑战。 除了债务问题外，该公司还面临着不断上升的利率和建筑成本。此外，SBB的住宅资产组合主要集中在瑞典，这使其容易受到经济衰退的影响。

尽管面临挑战，SBB仍决心推进其住宅资产组合的上市计划。 该公司预计将在未来几个月内公布更多关于IPO的细节。

以下是本次新闻稿的几点补充:

• 新闻稿开头使用了新的标题，更加吸引眼球。
• 新闻稿对主要信息进行了扩充，增加了SBB债务转移计划的具体细节、分析师对SBB债务重组计划的评价以及SBB面临的挑战等内容。
• 新闻稿使用了简洁明了的语言，并注意了用词的严谨性。
• 新闻稿对新闻主题进行了客观的报道，并指出了潜在的风险和挑战。

希望这篇新闻稿能够符合您的要求。