至顶网网络与安全频道 07月29日 编译:瞻博网络(Juniper Networks)和A10 Networks星期二发布了业绩报告,两家公司第二季度财务业绩均略高出预期。两家公司称,尽管宏观环境不确定,但需求仍保持稳定,两家公司认为长期的前景看起来还不错。
瞻博网络
瞻博网络第二季度的非GAAP净收入为1.163亿美元,同比下降17%,非GAAP摊薄后每股收益为35美分。收入为10.86亿美元,同比下降1%,分析师之前曾预期该公司本季每股盈利34美分,收入10.5亿美元。
瞻博网络首席执行官Rami Rahim在一份声明中表示,“我们在含6月的季度里看到强劲的需求。在技术差异和上市动作的推动下,订单量连续第二个季度获得增长。尽管全球宏观环境仍然不确定,但全球网络的战略重要性已变得十分清晰,我们对业务的长期前景充满信心。”
瞻博网络预计第三季度非GAAP每股净收入约为43美分,浮动5美分,预计收入约为11.25亿美元,浮动5,000万美元。
瞻博网络预计环比收入和收益将出现增长,在一定程度上是因为旗下的服务提供商和云垂直领域的实力所致,这些可能有助于抵消企业市场中的不确定性。首席财务官Ken Miller表示,“瞻博网络拥有‘健康的存量’,我们应对COVID-19相关供应链挑战的能力持乐观态度” 。
瞻博网络的业绩报告提到,公司的董事会已宣布将在9月22日派发每股20美分的现金股息。
A10 Networks
另外,A10 Networks也发布业绩报告称第二季度财务业绩略高于预期。
A10 Networks第二季度非GAAP每股净收益为9美分。收入为5250万美元,同比增长7%。华尔街分析师此前曾预期每股盈利8美分,收入为5210万美元。
A10首席执行官Dhrupad Trivedi在一份声明中表示,“ A10在业务模式转型方面取得持续进展,我们在不确定的环境里提高盈利能力。到目前为止,我们成功地应对了与新冠大流行及相关经济中断的挑战。尽管销售周期(尤其是在亚洲)拉长了,但需求仍然强劲。我们的全球足迹和客户结构成了重要及持久的竞争优势。”
Trivedi表示,A10通过改善北美和EMEA地区的表现可以弥补日本和亚太地区收入的下降。
此外,Trivedi还表示,“我们在服务提供商及其投资周期方面保持着稳固的市场地位,投资周期可达数年,并可在90天内应对不同需求水平的变化。”
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。