独家观察！物产中大回应2000万美元铜产品丢失：正核实情况，暂未确认

物产中大回应2000万美元铜产品丢失：正核实情况，暂未确认

北京，2024年6月14日 - 针对网传公司2000万美元铜产品丢失一事，物产中大集团股份有限公司（600704）今日发布公告称，公司正在向子公司核实情况，目前尚未确认相关信息。

公告内容

公告原文如下：

物产中大集团股份有限公司

关于网传公司2000万美元铜产品丢失的公告

2024年6月14日，公司关注到有媒体报道称公司境外子公司丢失2000万美元铜产品。经公司核实，公司正在向相关子公司核实情况，目前尚未确认相关信息。

公司将密切关注事态发展，并及时履行信息披露义务。

特此公告。

物产中大集团股份有限公司

董事会

2024年6月14日

事件背景

6月14日，有媒体报道称，物产中大境外子公司在境外港口丢失了价值2000万美元的铜产品。该消息引发市场关注，物产中大股价应声下跌。

公司回应

物产中大在公告中表示，公司正在向相关子公司核实情况，目前尚未确认相关信息。公司将密切关注事态发展，并及时履行信息披露义务。

市场分析

如果网传消息属实，则意味着物产中大将蒙受重大损失。这可能对公司的财务状况和股价造成负面影响。

投资者需关注

投资者需关注物产中大的后续公告，以了解事件的最新进展。同时，投资者也应谨慎投资，避免遭受损失。

以下是一些可能影响事件进展的因素：

• 物产中大子公司的核实结果
• 相关部门的调查结果
• 媒体的报道

投资者应根据这些因素审慎判断投资决策。

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。