网络设备公司瞻博网络(Juniper Networks)第二季度的财务业绩好于预期,发布的报告显示非美国通用会计准则净收益为1.41亿美元,同比增长21%。
非美国通用会计准则每股摊薄收益为0.43美元,净收入为11.7亿美元,超过华尔街预期的11.4亿美元和每股收益0.39美元。
根据瞻博网络的声明,公司计划在第二季度实现11.4亿美元的收入,非美国通用会计准则下的每股摊薄收益在0.33美元至0.43美元之间。尽管芯片短缺,瞻博网络第一季度的非GAAP净收益为9850万美元,瞻博网络预测收入将增长4%至5%。
瞻博网络股价在盘后交易中上涨了0.11%,报27.64美元。
瞻博网络预计第三季度将实现12亿美元左右的收入,非美国通用会计准则下的每股净收入约为0.46美元,加减0.05美元。
首席财务官Ken Miller曾在4月份表示,瞻博网络“遇到了持续的供应限制,导致交货时间延长”,他并将这种放缓归咎于“全球范围内的半导体短缺影响到许多行业”。
瞻博网络的财报再次包含了类似的信息并提醒投资者,全球范围内的半导体短缺仍然影响许多行业,一部分是由COVID-19大流行病造成的。
信息重新提到将有延长的交货时间和升高的成本,“至少在未来几个季度内会持续存在”。
瞻博网络表示,“虽然情况在变化,但在这个点上,我们相信我们将获得足够的半导体供应,可以满足我们的全年财务预测的要求。”
瞻博网络还表示,“我们预计2021年第三季度的非美国通用会计准则毛利率将环比下降,因为与供应限制有关的成本在增加以及预期的服务交付成本的增加,部分将被收入增加带来的好处抵消。我们预计非美国通用会计准则营业利润率会有小幅的环比增长。”
瞻博网络在1月份收购了Apstra,未披露涉及的金额,之前曾在去年10月斥资4.5亿美元收购了128科技公司。
好文章,需要你的鼓励
这项由清华大学与NVIDIA合作的研究提出了"负例感知微调"(NFT)算法,挑战了"自我提升仅适用于强化学习"的传统观念。通过构建隐式负面策略处理错误答案,NFT在数学推理任务上匹配甚至超越了顶尖强化学习算法的表现。研究不仅证明了监督学习与强化学习在特定条件下的等价性,还展示了如何利用负面反馈显著提升大语言模型的数学能力,为AI训练方法论开辟了新视角。
这项研究提出了一种名为混合推理策略优化(HRPO)的新方法,通过强化学习使大型语言模型能够结合离散标记和连续隐藏表示进行推理。HRPO设计了创新的门控机制,初始时以标记嵌入为主,逐渐增加隐藏状态的比例,并通过强化学习优化这一混合策略。实验表明,HRPO在知识和推理任务上显著优于现有方法,甚至使小型模型达到大型模型的性能,同时展现出跨语言推理等有趣特性。
这项研究介绍了REARANK,一种基于大语言模型的创新列表式推理重排序助手。通过强化学习技术,该模型在排序前先进行明确推理,显著提升了排序性能和可解释性。仅使用179个标注样本训练的REARANK-7B在多个信息检索基准测试中表现卓越,甚至在推理密集型任务上超越了GPT-4。研究证明了结合推理能力与高效排序策略的重要性,为构建更智能的信息检索系统提供了新思路。
"当我看到梵高的每一笔中都有他的痛苦时,才明白我们看的不是作品,而是作者的人生。AI正以惊人的速度接近人类水平通用智能,让Google从'伦敦那帮疯子在搞AGI'转变为全公司共识。DeepMind让AI'合理地幻觉'来创造突破,就像Astra技术让用户第一次惊呼'AI能做到比想象更多'——这不仅是技术革命,更是重新定义创造力的开始。"