独家观察！助力硬科技创新发展：央行出台政策加强对初创期科技型企业融资支持

助力硬科技创新发展：央行出台政策加强对初创期科技型企业融资支持

北京讯（记者 张皓）为贯彻落实国家创新驱动发展战略，大力支持科技创新企业发展，中国人民银行近日印发《关于加强对初创期科技型企业融资支持的意见》，从多方面举措入手，着力解决初创期科技型企业融资难题，助力硬科技创新发展。

政策亮点：投早、投小、投硬科技

《意见》明确提出，要强化金融支持科技创新的导向性，激励金融机构加大对初创期科技型企业的投放力度，重点支持“投早、投小、投硬科技”。

具体措施：

• 设立科技创新和技术改造再贷款专项额度。 2024年4月，中国人民银行联合科技部等部门设立5000亿元科技创新和技术改造再贷款，其中1000亿元额度专门用于支持初创期、成长期科技型中小企业首次贷款。
• 优化创新积分评价指标。 中国人民银行与科技部依托“创新积分制”评价，遴选了一批符合条件的企业，向银行推送。首批近7000家企业名单已推送给21家全国性银行，首笔科技创新贷款已发放。
• 强化政银企对接。 中国人民银行将加强与科技部等部门的协同配合，组织银企对接活动，帮助企业了解政策、对接金融机构。

政策意义：

《意见》的出台，将为初创期科技型企业提供更加便利的融资渠道，助力企业做大做强。

业内人士表示，《意见》的实施，将有效缓解初创期科技型企业的融资困境，激发科技创新活力，为推动经济高质量发展注入强劲动力。

**下一步，**中国人民银行将继续完善相关政策措施，加大对科技创新企业的金融支持力度，为科技创新发展营造更加良好的金融环境。

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。