今日解读！顺丰同城回应骑手举报：指控“吃拿卡要”经核查不实

顺丰同城回应骑手举报：指控“吃拿卡要”经核查不实

北京，2024年6月15日 - 顺丰同城今日就近日网络上出现的一名骑手举报小队长“吃拿卡要”的事件作出了回应。顺丰同城表示，经核查，该骑手的投诉与事实不符。

据了解，该名骑手称其所在站点的小队长存在收取“入职费”、“管理费”等行为，并克扣订单提成。顺丰同城方面表示，公司高度重视该事件，立即成立了调查小组进行核查。经调查，并未发现该小队长存在上述行为。

顺丰同城表示，公司一直以来都倡导诚信经营，并建立了严格的管理制度，对任何违规行为都将严肃查处。公司也将继续加强对员工的教育培训，提升员工的职业道德水平，为骑手创造公平公正的工作环境。

以下为事件详情：

• 一名顺丰同城骑手在网上发帖举报其所在站点的小队长存在“吃拿卡要”的行为。
• 顺丰同城方面成立调查小组进行核查。
• 经调查，未发现该小队长存在上述行为。
• 顺丰同城表示，公司将严肃查处任何违规行为，并继续加强对员工的教育培训。

该事件引发了社会对即时配送平台骑手权益的关注。 有专家指出，即时配送平台应加强对骑手的管理，保障骑手的合法权益。同时，骑手也应通过正规渠道反映问题，避免造成不必要的误会。

顺丰同城表示，公司将吸取此次事件的教训，进一步完善管理制度，加强对骑手的关爱，为骑手创造更好的工作环境。

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。