ZDNET网络频道 04月28日 编译:私募股权投资者Thoma Bravo和教师私募基金在本周晚些时候将完成股票回购,用35亿美元让一家WAN优化企业转为私有化,到那时Riverbed就不再是一家上市公司了。
而这笔交易是去年十二月公布的,似乎也受到了基金投资者Elliot Management的影响,而Elliot Management始终认为Riverbed可以做得更好。
目前,所有人都认为这笔交易非常明智,并且即将让Riverbed具备以往做梦都想不到的价值。而Reg理解有些员工的工作是维持Riverbed作为一家上市公司所必需的,现在必须裁撤了,这对士气是一种打击。想找到抱怨Riverbed的人肯定不难。例如,这个Glassdoor.com的博客就对公司做了如下评论:
“士气并不高昂。Sunnyvale太安静了,没有人和别人说话。员工们都蜷缩在紧闭的办公室门后抱怨Riverbed。人们公开地谈论自己只是在等着辞退赔偿。企业的文化比我在其他任何地方见到的都更糟糕。不同的部门之间不断地彼此指责,没有行动力、缺乏团队精神、领导不力。”
另一方面,Thoma Bravo已经拥有了BlueCoat,这家公司和RiverBed的业务略有重叠。因此,将两家公司整合在一起有助于控制成本并垄断市场。而Citrix可能预料到了这一战略,并于上周决定让对WAN优化软件产品进行改进,以适应更多的客户,而不仅仅是适合那些使用其他产品的客户。而且,经常听到云用户抱怨通信成本超过了租用存储和服务器的成本,这让WAN优化的未来变得更加美好。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。