至顶网软件频道消息:全球领先的开源解决方案提供商红帽公司(纽交所代码:RHT)日前公布其2018财年第三季度财报,该报告截止日期为2017年11月30日。其关键信息如下:
红帽公司总裁兼首席执行官Jim Whitehurst表示:“得益于企业用户对混合云计算技术(包括实现和管理混合云、私有云环境所需的核心技术、容器平台和解决方案)的强劲需求,我们的订阅收入和总收入再次实现超过20%的年增长。广泛技术组合的强劲交叉销售量体现出红帽在企业IT组织机构中的战略地位日益提高,其中,百万美金以上的交易量同比增长30%,而与应用开发相关和其他新兴技术收入增长超过40%。”
红帽公司执行副总裁兼首席财务官Eric Shander表示:“公司的强大执行力持续推动红帽2018财年第三季度的财务业绩增长远远超出预期。2018财年第三季度,红帽总收入实现了22%的增长,按美国通用会计准则(GAAP)计量的营收增长47%,按非美国通用会计准则(non-GAAP)计量的营收增长25%,经营现金流增长18%。鉴于第三季度的优秀业绩和持续的发展势头,我们预计年化总收入将达到30亿美元。”
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。