至顶网网络频道 01月31日 综合消息: 瞻博网络公司(Juniper Networks)表示,大型云客户部署的延迟对第一季度业绩造成打击。
瞻博网络发布的第四季度财报和销售报告好过预期,但瞻博网络降低今年第一季度的前景预测。
瞻博网络发表的声明表示,由于大型云客户“持续延迟部署”,第一季度的业绩将受到打击。瞻博网络补充表示,旗下的大型云客户正在经历架构转型。瞻博网络的一些客户正在过渡到瞻博网络下一代平台。
瞻博网络表示,由于旗下产品组合和销量较低迷,预计毛利率有压力。瞻博网络表示,第一季度的收入可望达10.5亿美元左右,加减3000万美元。第一季度非美国通用会计准则(GAAP)每股盈利25美分,加减3美分。
华尔街之前曾预测第一季度非GAAP每股收益为42美分,收入为11.5亿美元。
该前景预期证实了业界对瞻博网络第一季度业绩的担忧。 Cowen分析师保罗?西尔弗斯坦(Paul Silverstein)在收益报告发布前曾表示:
我们认为日益加剧的挑战性竞争格局并不仅仅是服务提供商路由选择,对瞻博网络在云市场获得和维持市场份额也是一个重大挑战,我们看到了这一点。
瞻博网络第四季度业绩报告方面,由于税收费用,本季度净亏损1.481亿美元,合每股亏40美分。第四季度非GAAP收益为每股53美分,收入为12.4亿美元。
华尔街曾预测瞻博网络第四季度的非GAAP每股收益为52美分,收入为12.3亿美元。
瞻博网络2017年全年净收入为3.062亿美元,合每股80美分,收入为50.3亿美元。细节可参看下表。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。