今日热点！《不止不休》北京超前观影：一场致敬时代变迁的新闻理想之旅

《不止不休》北京超前观影：一场致敬时代变迁的新闻理想之旅

北京讯 3月18日，由新浪观影团主办的电影《不止不休》超前观影活动在北京金逸影城双桥店举行。来自京城的数十位影迷齐聚一堂，共同观赏了这部备受期待的现实主义题材新作。

影片《不止不休》以2003年非典肆虐时期的北京为背景，讲述了怀揣新闻理想的青年记者韩东在时代洪流中不断拼搏、砥砺前行的故事。影片真实还原了当时社会变革激荡的时代风貌，展现了新闻工作者坚守初心、追求真相的职业精神。

观影结束后，现场观众纷纷表示被影片所感动。有观众表示，影片中主人公韩东面对困境不屈不挠的精神，深深地激励了他；也有观众表示，影片引发了他对新闻工作者职业使命的思考。

新浪观影团此次举办《不止不休》超前观影活动，旨在为观众带来一场优质的观影体验，同时也希望借此机会向广大新闻工作者致敬。

以下是对本次观影活动的几点补充：

• 本次观影活动得到了北京金逸影城双桥店的的大力支持。
• 映前，新浪观影团邀请了影片主创人员与观众进行了交流。
• 观影结束后，新浪观影团还为观众准备了精美的礼品。

通过此次超前观影活动，《不止不休》这部电影在北京地区获得了较高的知名度和关注度。相信影片将在接下来的公映中取得良好的票房成绩。

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。