Check Point Software公司上调了全年的盈利指导,但收入预期被下调到上限。该公司股价在业绩报告公布后下跌了 2%。
Check Point Software 是一家主流网络安全供应商,公司客户超过 10 万家。该公司的产品用于保护云环境、企业内部基础设施和员工设备。旗下的产品组合包括网络安全应用以及可提供给业界企业在自己的数据中心和办公室安装的物理防火墙。
Check Point Software的收入在截至9月30日的第三季度同比增长了3%,达到 5.96 亿美元。分析师之前的预期为 5.9186 亿美元。收入也成功高出之前公司内部预测的中间值约 900 万美元。
Check Point Software本季度收入增长的主要是由于对其基于订阅的产品的需求增加。这部分产品组合的收入同比增长 15%,达到 2.48 亿美元。
Check Point Software相当一部分订阅收入来自旗下的Infinity 产品。Infinity 于 2017 年推出,业界企业只需支付一次性年费购买 Check Point Software 的所有核心产品。Infinity 可以将网络安全成本降低20%,同时简化管理员的工作流程。
Check Point Software 的 Quantum 系列物理网络安全设备需求的下降部分抵消其订阅业务的增长。由于该公司所称的“延迟”更新周期,Quantum 系列需求同比下降了 14%。Quantum 产品组合包括半打以上的防火墙以及专为工厂等环境设计的专业网络安全设备。
Check Point Software公司的第三季度利润也与总收入一样超过了一致预期。公司净利润同比增长 10%,达到 2.42 亿美元,调整后每股收益为 2.07 美元。分析师之前的预期为 2.02 美元。
Check Point Software公司创始人兼首席执行官Gil Shwed表示,“我们第三季度的业绩表现强劲,每股收益增长了 17%,安全订阅收入增长了 15%。我们的总收入接近预测范围的顶端,每股收益达到峰值。”
由于强劲的利润表现,Check Point Software公司今天将其全年调整后盈利指导提高至每股收益 8.20 美元至 8.40 美元。此前公司预测每股收益为 7.70 美元至 8.30 美元。Check Point Software还将收入预期缩小到了之前预期范围的中点附近:预测的销售额为 23.8 亿至 24.3 亿美元,之前的预测为 23.4 亿至 25.10 亿美元。
好文章,需要你的鼓励
这项来自麻省理工和滑铁卢大学的研究质疑了在AI文本排序中"思考过程"的必要性。研究者比较了三种文章重排模型:直接判断的StandardRR、先推理再判断的ReasonRR,以及禁用推理功能的ReasonRR-NoReason。实验结果表明,不仅推理过程没有提高排序质量,有时甚至会降低效果。主要原因是推理导致模型倾向于极端判断,难以表达"部分相关"这种微妙关系。即使应用"自洽性"等改进技术,简单直接的判断方式仍然更为高效有效。研究为信息检索系统设计提供了新视角:有时,少即是多。
TAGS是一种创新的医学问答框架,结合了泛医和专医两种视角,通过层次化检索和不确定性验证机制提升医学AI回答的准确性。该框架由穆罕默德·本·扎耶德人工智能大学等机构的研究团队开发,无需任何模型微调即可显著提升包括GPT-4o和DeepSeek-R1在内的大型语言模型在九个医学问答基准测试上的表现。TAGS通过模拟医疗专家协作、结构化知识检索和质量控制,解决了现有方法在复杂医学推理中的短板,为构建更可靠的医学AI系统提供了新思路。
这篇研究提出了时间抽象值学习(OTA)方法,解决离线目标条件强化学习中的长期规划问题。研究团队发现现有分层方法失败的关键在于高层策略无法生成合适子目标,原因是价值函数在长期规划中估计不准确。OTA通过"选项"概念实现时间抽象,有效缩短规划视野,使价值函数能提供更准确的优势信号。在复杂迷宫导航和视觉机器人操作任务中,OTA显著优于现有方法,证明了该方法在处理长期任务时的有效性。
这项研究探索了大语言模型内部可解释特征的形成过程,分析了它们在训练过程中(时间)、模型层级间(空间)和不同规模模型(尺度)的行为变化。研究团队使用稀疏自编码器技术,成功识别出特定语义概念在神经激活中出现的时间点和位置。研究结果显示,不同领域的知识概念在模型训练和规模扩展中存在明确的激活阈值,且在空间分析中发现了早期层特征会在后期层重新激活的现象,这挑战了对变换器模型表示动态的传统认知。