全球网络与安全融合领域领导者Fortinet(Nasdaq:FTNT),于近日公布2024年第一季度财报。
Fortinet 创始人、董事长兼首席执行官谢青(Ken Xie)表示“Fortinet 充分利用全球庞大的业务规模、新产品和服务的上市能力以及网安行业领先的专业技能和知识,坚守客户至上的服务理念,重点聚焦快速增长的市场领域,持续拓展并抢占 Unified SASE、安全运营和安全组网三大关键市场份额。我们坚信,Fortinet Unified SASE (统一SASE)解决方案是业内功能最全面的解决方案。与此同时,我们充分发挥自身在网络与安全融合领域的专业知识、多年 AI 创新积累经验,以及基于 FortiOS 统一操作系统实现旗下产品和服务无缝集成的卓越优势,持续引领旗下三大核心业务领域持续增长并保持业内领先地位。凭借严格规范且不断优化的财务管理体系,Fortinet 2024 年第一季度非 GAAP 营业利润和自由现金流获得出色表现。”
2024年第一季度财报摘要
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。