最新报道！奇装异服遭阻？上海地铁回应“动漫女孩”事件

奇装异服遭阻？上海地铁回应“动漫女孩”事件

上海 - 1月7日，一名身着动漫服饰的女孩在上海地铁虹漕路站被安检人员拦下，引发舆论热议。据了解，该女孩当时刚刚参加完漫展，正准备乘坐地铁回家。安检人员认为其穿着过于奇特，可能会引起其他乘客恐慌，因此要求其摘下帽子和头发上的饰品。

女孩对此感到十分不解，并表示自己的穿着并没有违反任何规定。在双方沟通无果后，女孩最终选择离开地铁站。

该事件迅速在网络上传播开来，并引发了网友的热议。许多网友认为，安检人员的行为过于武断，侵犯了女孩的穿衣自由。也有网友表示，地铁作为公共场所，为了维护秩序，对乘客的穿着进行一定限制也是可以理解的。

1月12日，上海地铁方面对此事作出回应。 上海地铁表示，他们并没有明文规定禁止乘客穿着奇装异服，但地铁作为公共场所，乘客的穿着应尽量避免引起其他乘客的恐慌或反感。对于穿着可能造成安全隐患或影响公共秩序的乘客，地铁工作人员有权进行劝阻或制止。

上海地铁还表示，他们将对虹漕路站安检人员的行为进行调查，并会加强对员工的培训，提高他们的服务水平。

这起事件也引发了人们对公共场所穿着自由的思考。 在现代社会，人们的穿着越来越多元化，个性化。在尊重个人自由的同时， 也需要考虑公共秩序和他人感受。** 如何在两者之间取得平衡，是值得探讨的议题。

以下是一些对该事件的补充说明：

• 女孩所穿的动漫服饰是国产游戏《原神》中的角色服饰。
• 女孩在被拦下后，情绪一直很稳定，并没有发生任何过激行为。
• 有目击者表示，当时并没有其他乘客对女孩的穿着感到恐慌或反感。

这起事件也给上海地铁方面提了个醒， 在制定相关规定和处理此类事件时，应更加注重人文关怀，避免简单粗暴地执法。

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。