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
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。