重点通报！上亿元精炼铜离奇消失？A股公司回应：正在核实情况

上亿元精炼铜离奇消失？A股公司回应：正在核实情况

北京，2024年6月14日 - 据报道，近日有消息称，A股上市公司物产中大（600732.SH）近期丢失了一批从俄罗斯购买的铜产品，价值约1.45亿元人民币。此事引发市场关注。

事件始末

6月13日，有消息称，物产中大从俄罗斯进口的600吨铜产品在山东青岛港码头卸货时发生了数量差异，最终确认短少了约300吨铜产品，价值约1.45亿元人民币。

公司回应

针对上述消息，物产中大相关人士回应称，公司正在向子公司核实情况，目前还没有详细信息披露。

市场分析

此次事件的发生，引发了市场对物产中大内部管理和风险控制能力的担忧。有分析人士指出，铜产品是贵重金属，价值高昂，物产中大出现如此重大数量的铜产品丢失，说明其内部管理存在重大漏洞，风险控制体系不完善。

事件影响

此次事件可能会对物产中大的股价造成负面影响。截至6月13日收盘，物产中大股价下跌2.02%，报收5.92元人民币。

后续展望

目前，物产中大正在对事件进行调查。事件的最终结果如何，还有待进一步关注。

此外，一些媒体还对事件进行了进一步分析和解读：

• 有媒体指出，近年来，随着铜价上涨，铜产品盗窃案件频发。企业需要加强内部管理，完善风险控制体系，避免类似事件再次发生。
• 也有媒体呼吁相关监管部门加强对企业的监管，杜绝此类事件的发生。

总体而言，上亿元精炼铜离奇消失事件，暴露了物产中大内部管理和风险控制方面的漏洞，也引发了市场对铜产品安全问题的担忧。相关企业应引以为戒，加强管理，完善制度，避免类似事件再次发生。

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。