云网络公司Arista Networks昨天发布第二季度财报,收益和收入均超出预期水平,并且发布了对下一季度的强劲指引,不过Arista股价在盘后交易时段却有所下跌。
第二季度Arista在不计入股票补偿等特定成本下的每股利润为2.72美元,收入为7.073亿美元,较去年同期增长31%。高于此前华尔街预期的6.75亿美元至6.95亿美元的收入, 6.87亿美元销售额,以及2.54美元的每股收益。
此外Arista称该季度的毛利率为65.2%,高于此前预期63%至65%的区间,此外该季度的净收入为2.168亿美元。
Arista公司首席执行官Jayshree Ullal表示,强劲的业绩反映了Arista在主要垂直领域和产品线方面的持续发展势头和多元化。她说:“我们正处于网络软件和数据驱动转型的风口浪尖,期待我们会让更多客户满意。”
Arista的产品包括高速网络交换机,主要供Facebook和微软等超大规模数据中心运营商使用,此外还销售企业园区交换机,竞争对手包括思科等公司。
Arista的另一块业务是网络管理和安全软件,该软件采用了AI技术,有助于发现故障原因、监控用户体验和识别网络威胁。
该季度Arista的产品收入达到5.564亿美元,软件服务收入增加至1.408亿美元。
Arista还宣布,第二季度累计出货量超过5000万个云网络端口。
Arista公司首席财务官Ita Brennan表示,他对该季度公司的强劲表现感到满意,公司将“继续与客户和合作伙伴合作,应对充满挑战的供应环境。”
展望第三季度,Arista预计销售额在7.25亿美元至7.45亿美元之间,远高于华尔街预期的6.97亿美元。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。