Hortonworks周四发布财报,2017财年第四季度收入高于预期,而净亏损则符合预期。Hortonworks该季度净亏损4820万美元,合每股68美分,营收为7500万美元,与去年同期比增长44%。第四季度非GAAP损失为每股24美分。
华尔街曾预测Hortonworks非GAAP损失为每股24美分,收入为7046万美元。
Hortonworks在2017年全年净亏损2.045亿美元,合每股3.08美分,营收2.618亿美元,同比增长42%。全年非GAAP损失为每股1.40美元。
华尔街曾预测Hortonworks全年非GAAP净亏损每股为1.42美元,营收2.572亿美元。
Hortonworks首席执行官兼董事长Rob Bearden在一份声明中表示,“我们在2017年取得了巨大的发展势头,全年创纪录的收入达2.618亿美元,并实现了第四季度运营现金流量的盈亏平衡。我们的产品组合广度、我们团队的执行力以及我们业务战略的重点为我们自己及客户奠定了坚实的基础。”
前景方面,Hortonworks预计今年第一季度的收入为7500万美元,全年收入在3.22亿美元至3.27亿美元之间,两项都符合预期。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。