至顶网网络与安全频道 05月06日 编译:尽管云网络厂商Arista Networks公布的第一季度财报收入相比去年同期急剧下滑,但仍超出了此前的预期。该季度Arista Networks在未计入股票薪酬等特定成本下的利润为每股2.01美元,收入为5.23亿美元,同比减少12%,不过这仍大大超出了华尔街此前的每股1.81美元利润, 5.178亿美元收入的预期。
近年来,Arista Networks已经成长为网络巨头思科的一个主要竞争者。Arista Networks推出了用于处理Facebook和Yahoo等网络巨头超大规模数据中心流量的网络交换机产品。
在刚刚结束的这个季度中,Arista Networks收购了软件定义网络初创公司Big Switch Networks,交易金额未对外公布。Arista Networks称,将利用Big Switch的网络监控工具来增强其交换机所采用的EOS操作系统,特别将扩展该软件现有的CloudVision和DANZ网络监视模块功能。
Arista Networks首席执行官Jayshree Ullal在一份声明中表示:“尽管我们经历了全球新冠病毒大流行,但仍在2020年第一季度实现了稳健的财务业绩。我们致力于保护员工的安全,同时在这个不可预测的时代为我们的客户、股东和所在领域带来价值,相信未来我们将变得更加强大。”
可能Arista Networks会变得更强大,但同时也在遭遇短期的挑战。Arista Networks对第二季度的指引低于预期,这让投资者感到失望。Arista Networks预计,第二季度的收入在5.2亿美元至5.4亿美元之间,此前华尔街预期的收入为5.42亿美元。
Arista Networks股价在盘后交易中下跌超过3%,此前在常规交易中上涨了4.5%。
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。