至顶网网络频道 07月27日 综合消息:瞻博网络(Juniper Networks)第二季度的表现坚挺,收入和盈利均有增长。
瞻博今天发布了业绩报告,收入为13亿美元(所有数字均为GAAP),净收入为1.798亿美元,与2016年第二季度比增长28%。
交换机是瞻博第二季度的主要动力,同比增长32%(2.76亿美元),抵消了毫无增长的路由部分(5.72亿美元)。
服务业务同比增长9%,达3.92亿美元,但安全同比下降12%(6900万美元)。
瞻博的业绩报告称,云计算业务蓬勃发展,同比增长32%,达3.8亿美元,确实是件好事,皆因电信业务垂直市场下滑了2%,至5.62亿美元。瞻博CFO的评论给出的解释称,电信业务(特别是有线业务)购买的路由器越来越少了。
战略企业业务增长了1%,达3.67亿美元。
欧洲、中东和非洲地区是最令人沮丧的地区,同比下降了四个百分点,至2.88亿美元,美洲增加了11%,达8.01亿美元,亚太地区增长了9%,达2.2亿美元。
瞻博本周早些时候曾宣布聘请谷歌的网络架构、工程和规划负责人Bikash Koley填补CTO一职。
Koley的软件定义网络专业非常适合瞻博,Koley对分组光网络和大规模数据中心集成等业务也颇为熟悉。
好文章,需要你的鼓励
这篇研究揭示了大语言模型强化学习中的"熵崩塌"现象——模型在训练早期迅速失去探索能力,导致性能达到可预测的上限。研究者发现验证性能和策略熵之间存在精确的数学关系:R = -a·exp(H) + b,并深入分析了熵变化的内在机制。基于这些发现,他们提出了两种简单有效的方法(Clip-Cov和KL-Cov)来缓解熵崩塌问题,显著提升了模型性能,特别是在困难任务上。这项研究为大模型强化学习的规模化应用提供了关键指导。
Skywork OR1是昆仑公司AI团队开发的开源推理大模型,通过创新的强化学习方法显著增强了语言模型的推理能力。该研究基于DeepSeek-R1-Distill模型系列,采用名为MAGIC的训练方法,在AIME24、AIME25和LiveCodeBench三大基准测试中实现了显著性能提升,32B模型平均准确率提高15.0%,7B模型提高13.9%。研究团队通过系统研究策略熵崩塌现象,提出了有效的缓解策略,并开源了全部代码、数据和模型权重,为AI社区提供了宝贵资源。
上海交通大学研究团队发现多模态大语言模型中的"啊哈时刻"(自我反思模式)虽存在但并不意味着推理能力提升。他们提出了"冷启动强化学习"两阶段方法:先用监督微调建立推理模式,再通过强化学习优化。实验表明,这种方法在多个多模态数学推理基准上表现卓越,使3B参数模型达到接近甚至超越部分7B模型的性能,为增强多模态AI推理能力提供了有效路径。
MBZUAI研究团队开发的SVRPBench是首个模拟真实物流环境的随机车辆路径问题基准测试平台。它通过建模时间依赖的交通拥堵、概率性延误和客户特定时间窗口,为500多个包含最多1000客户的测试实例注入真实世界的不确定性。实验结果显示,先进的强化学习算法在分布变化时性能下降超过20%,而传统方法表现更为稳健。该开源平台通过GitHub和Hugging Face发布,旨在推动更适应现实世界不确定性的路由算法研究。