实时热点！《新生万物》第一季收官 杨澜：下季将拥抱更多国际视野

《新生万物》第一季收官 杨澜：下季将拥抱更多国际视野

北京 - 由著名主持人杨澜担任总制片人的科普人文纪录片《新生万物》第一季于近日圆满收官。该节目聚焦人工智能、脑科学、基因编辑等前沿科技领域，以深入浅出的解读和生动活泼的呈现，带领观众领略了科技创新所带来的无限可能，引发了社会各界广泛关注和热烈讨论。

在收官节目中，杨澜对第一季的节目表现进行了总结，并对下季的制作方向进行了展望。她表示，《新生万物》旨在以通俗易懂的方式向公众普及科学知识，激发大众对科学的兴趣和热情。第一季节目取得了良好的口碑和社会反响，离不开各方的大力支持和观众的热情参与。

杨澜透露，下季《新生万物》将继续深耕科学传播领域，并将视野扩展到国际层面，展现全球科技创新的最新成果和趋势。她希望通过节目的努力，能够增进中外文化交流，推动世界科技共同进步。

以下是对主要信息的扩充：

• 《新生万物》第一季共播出10期，节目内容涵盖了人工智能、脑科学、基因编辑、量子科技、航天科技等多个前沿科技领域。
• 节目邀请了多位国内外知名专家学者进行访谈，并结合大量实地探访和实验演示，为观众呈现了精彩纷呈的科学盛宴。
• 节目播出后，在各大视频平台收获了数亿次播放量，引发了广泛的社会讨论。许多观众表示，节目内容十分有趣，帮助他们了解了前沿科技的最新进展，也对科学研究产生了浓厚的兴趣。

以下是一些新的标题建议：

• 《新生万物》第一季收官 引领观众探索科技之美
• 杨澜：下季《新生万物》将拥抱更多国际视野
• 《新生万物》：用科学点亮生活 照亮未来

以上新闻稿件仅供参考，您可以根据自己的需要进行修改和完善。

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。