ZDNET网络频道 01月29日 编译:瞻博网络是一家在纽约上市的交换机和路由器制造商。然而,其在2014年最后一个财季里表现低迷,出现亏损,财务数据表明产品销售下降,安全产品组合基本无人问津,原因是产品业务在“具有挑战性”的Q4里受到严重影响。瞻博网络CEO Rahim表示,“我们正急迫地向前发展”。
该公司昨晚发布财务报告称2014年Q4收入下降,为11亿美元,同比下降13.4%;硬件销售为7.49亿美元,下降17%,但服务达3.08亿美元,增长8%。
详细数据为:路由收入为5.231亿美元,下降15%,交换收入为1.744亿美元,下降12%,而安全产品收入为9.65千万美元,大降39%。
路由和安全业务主要是受到“疲软”的美国大型运营商行业的影响,加上企业需求低于预期亦使得交换机销售额不佳。另外,营运费用减少,同比下降14%,花在研发、销售和营销以及管理的费用同时减少,这些方面的减缩,出发点不错但却没有什么太多效果,结果是利润消失,净亏损达7.696亿美元,与前一年1.518亿美元的利润不可同日而语。
Q4是CEO Rami Rahim上任后的第一个完整财季。Rahim前任的离开原因不太明朗。而Rahim放出话称,他觉着公司在他的领导下有“重大进展”。他在有分析师参加的电话会议上表示,公司已尽力完成了“初步计划”,进入“精简”业务阶段,以图在一个“具有挑战性的收入环境” 里“降低”成本结构。Rahim还指出,“请大家放心,我们正急迫地向前发展。”
重整计划还包括了任命Jonathan Davidson为瞻博网络的发展和创新团队负责人,Rahim表示,Davidson 曽“全面监管过我们业务里安全业务的审视工作”。
本专栏去年十二月曽报道过,瞻博摈弃了一些安全设备业务,包括FireFly Host、WebApp Secure及DDoS Secure产品,但仍提供有关产品的技术支持。
Rahim称,“我承认,安全产品方面表现不好。在2015年里,我们的安全产品收益会趋向稳定。为在安全方面取得胜利,我们会调整战略重心,打造一个整合解决方案,新的整合解决方案将在云、数据中心、分支机构、校园和服务供应商移动基础设施等各类平台上,聚焦旗下网络的可复原性和业务连续性。”
据悉,2014年全年瞻博网络净收入为46.2亿美元,净亏损为3.433亿美元,而2013年的净收入为46.6亿,净利润为4.398亿美元。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。