网络设备公司瞻博网络(Juniper Networks)第三季度财务业绩好于预期,非GAAP净收入为1.52亿美元,同比增长5%。
非GAAP摊薄后每股收益为0.46美元,净收入为11.88亿美元,差不多符合华尔街12亿美元和每股收益0.46美元的预期。
瞻博网络股价在盘后交易中上涨了1.71%,报27.02美元。
瞻博网络首席执行官Rami Rahim星期二表示,“我们连续第五个季度实现收入同比增长,而且连续第二个季度在第三季度时间段里实现了不俗的订单增长。”
瞻博网络预计第四季度的收入将达到12.6亿美元左右,加减5000万美元。非GAAP每股净收入将约为0.53美元,加减0.05美元。
瞻博首席财务官Ken Miller在4月时表示,该公司“正在经历持续的供应限制,这导致了交货时间的延长”,他将这种放缓归咎于“影响许多行业的全球半导体短缺”。
瞻博在7月份也发布了类似的信息,提醒投资者全球范围内仍然存在半导体短缺,部分原因是COVID-19大流行造成的。他们重申交货时间将会延长以及成本的增加,这种情况“至少在未来几个季度内将持续存在”。
Miller今天表示,该公司“执行得非常好尽管供应链环境充满挑战,公司在9月份的季度中表现出了强大的财务管理”。
Miller补充表示,“我们的订单势头强劲、积压创纪录,而且我们在加强供应链,这些都使得我们对未来的增长前景和我们在2022年及以后的时间能够提供更好的盈利能力充满信心。”
瞻博网络在今年1月以未披露的金额收购了Apstra,还曾在去年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
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。