
周三美股收盘,赛门铁克发布了2015财年第一财季财报。财报显示,该季度赛门铁克净营收为17.35亿美元,比去年同期的17.09亿美元增长2%;净利润为2.36亿美元,比去年同期的1.57亿美元增长50%,本财季每股摊薄收益为0.34美元。而基于非一般公认会计准则,每股摊薄收益为0.45美元。
华尔街分析师认为赛门铁克该季度净营收为16.7亿美元,每股摊薄收益为0.42美元。
赛门铁克,CEO迈克尔·布朗(Michael Brown)在一份声明中表示,为促进企业业务增长,未来公司将在五大关键业务上持续进行投资:备份设备、移动、先进威胁保护、安全服务管理和预防数据丢失。布朗称,“我们的备份服务、托管服务以及数据损失预防业务都获得了增长。在过去两个季度内,我们推出了20多个改进后的或全新产品,在本财年年底,我们还有望推出20多款新产品。”
赛门铁克预计2015财年第二财季公司的营收在16.00-16.40亿美元之间;按Non-GAAP,每股收益在0.40-0.44美元之间。而华尔街分析师则认为当前季度赛门铁克的每股收益为0.45美元,营收为16.3亿美元。
赛门铁克预计2015财年营收在66.3-67.7亿美元之间,基于Non-GAAP,每股收益在1.84-1.92美元之间。
好文章,需要你的鼓励
亚马逊FAR部门研究团队通过创新的"掩码比特建模"技术,突破了图像生成领域的传统认知。研究发现离散方法劣势源于信息容量不足而非技术路线缺陷,提出的BAR框架通过渐进式比特预测解决大词汇表计算难题,在ImageNet-256上创下0.99 gFID新纪录,同时实现数十倍的速度提升,为AI图像生成开启质量与效率并举的新时代。
北京大学与美团联合研究团队提出轮廓引导路径探索(OPE)方法,解决AI并行推理中的"互信息饱和"问题。通过先生成多样化策略轮廓再执行具体推理,避免多条思路重复收敛的困境。在数学推理测试中,该方法显著提升了复杂问题的解决成功率,为AI推理能力的可靠性提升提供了新的技术路径。
南洋理工大学研究团队开发了Dr. MAS训练方法,专门解决多智能体大语言模型系统的训练不稳定问题。该方法通过为每个AI智能体使用个性化的评价标准,避免了传统全局标准化导致的梯度爆炸问题。在数学推理和多轮搜索任务中,Dr. MAS显著提升了系统性能和训练稳定性,为构建更强大的AI协作系统提供了重要技术支撑。
腾讯AI实验室开发的Covo-Audio是首个真正实现端到端语音对话的7B参数大模型,能直接处理语音输入并生成自然回应。该系统突破了传统流水线式处理的局限,实现了智能与声音分离、全双工交互等创新功能,在多项基准测试中表现优异,特别是在情感理解和自然对话方面达到了新的水准,为语音交互技术的实用化和个性化应用开辟了新路径。