北京时间4月21日凌晨消息,IBM今天公布财报称,该公司第一季度营收同比下降约12%,主要由于该公司继续剥离无法盈利的业务,并将重点放在云计算服务上。
在截至3月31日的这一财季,IBM的净利润从去年同期的23.8亿美元小幅下降至23.3亿美元,每股收益从去年同期的2.29美元上升至 2.35美元,原因是第一季度中的在外流通股票总量较少。不计入某些一次性项目,IBM第一季度调整后每股收益为2.91美元,超出分析师此前预期。汤森 路透调查显示,分析师平均预期IBM第一季度每股收益为2.80美元。
IBM第一季度总营收为196亿美元,低于去年同期的222亿美元,但仍超出分析师此前预期。汤森路透调查显示,分析师平均预期IBM第一季度 营收为196.4亿美元。这是该公司连续第12个季度出现营收同比下降,其中包括汇率变动带来的影响。IBM营收已连续三年都在收缩,该公司正在剥离现金 出纳机、低端服务器和半导体等低利润的业务,同时将重点放
在安全软件和云服务等新兴领域中。但是,到目前为止这些新业务还无法弥补剥离业务所损失的营收。
IBM还称,该公司目前预测其全年业绩将因汇率变动而受到7%的负面影响,相比之下此前预期为5%到6%。
IBM周一股价报收于166.16美元。财报发布后,该公司股价在纽约证券交易所的盘后交易中小幅下跌至165.71美元。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。