大数据公司Cloudera今天公布的财务业绩超出了华尔街的预期。
Cloudera将赢得更多企业客户信赖的原因归结于新推出的Cloudera Data Platform Public Cloud。2018年Cloudera与前竞争对手Hortonworks合并之后一直表现不佳,现在Cloudera似乎正在站稳脚跟。
Cloudera主要是向企业出售各种数据工程、数据仓库、机器学习和分析软件。第一季度,Cloudera在不计入股票薪酬等特定成本的利润为每股5美分,收入为2.105亿美元,比去年同期增长12%,此前华尔街预期的利润为0,收入为2.046亿美元。
Cloudera首席执行官Rob Bearden(如上图)表示,公司正在从远程办公的趋势中受益,他说,远程办公更加凸显了数据、数据分析和数据安全性的重要性。
Bearden表示:“此外,CDP Public Cloud正在实现我们的目标,它为我们的客户实现了混合多云体系结构,为那些计划利用公有云基础设施处理某些类型工作负载的客户提高了我们的价值主张。”
此外,Cloudera该季度的订阅收入为1.871亿美元,同比增长21%,年度经常性收入达到7.234亿美元,同比增长11%。这些数字很抢眼,投资者们喜欢看到这些指标,因为这些数据表明了更持续稳定的收入来源。
但是这些抢眼的数据被Cloudera第二季度低于预期的指引所掩盖了。Cloudera表示,预计第二季度总收入在2.06亿美元至2.09亿美元之间,低于华尔街预期的2.1212亿美元。
Cloudera股价在盘后交易中下滑超过11%。
Constellation Research分析师Holger Mueller认为,在这个具有挑战性的时期,任何表现超出市场预期的软件厂商,都值得被祝贺。“今天轮到Cloudera了,而仅仅几个季度前,这还是不太好预测的。不过话说回来,Cloudera与Hortonworks的合并看起来正在取得一些成效,市场对于大数据的需求仍然非常强劲。”
分析师Patrick Moorhead表示:“我认为投资者们应该关注ARR,因为这将是IT的未来,将是基于消费情况的。企业公司看到了大型消费客户的创纪录的增长。我认为混合解决方案的输出让很多人感到惊讶,但还需要获得更多份额,我认为这是时间问题。”
Cloudera Data Platform是在Cloudera与Hortonworks合并之后开发的,在2019年9月发布。Cloudera于当年第四季度推出了CDP Public Cloud,最早是在微软Azure上提供的,此后Cloudera还将CDP Public Cloud与Google Cloud Platform进行了集成。
Cloudera计划在本月晚些时候发布CDP的私有云版本。
好文章,需要你的鼓励
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。
这项研究探讨了多模态大语言模型在增强推理能力时出现的视觉幻觉问题。研究发现,模型生成更长推理链时,对视觉信息的关注减少,导致幻觉增加。研究者提出RH-AUC指标和RH-Bench基准来评估模型在推理与幻觉间的平衡,发现较大模型表现更好,纯强化学习训练优于监督微调加强化学习,且训练数据的类型比数量更重要。这些发现对开发既具推理能力又保持视觉准确性的AI系统具有重要意义。
这篇研究探讨了大语言模型在自动推理任务中的不确定性问题。研究者提出,模型生成形式规范时的概率不确定性不是缺陷,而是宝贵的信号源。通过引入概率上下文无关文法框架分析SMT-LIB程序分布,他们发现不确定性信号具有任务相关性(如逻辑任务中的语法熵AUROC>0.93)。他们的轻量级信号融合方法能减少14-100%的错误,仅需最小弃权,将大语言模型驱动的形式化转变为可靠工程学科。研究揭示当模型正确理解逻辑关系时会产生稳定的语法模式,为判断何时信任模型提供了可靠指标。
来自沙特阿拉伯王子苏丹大学和阿尔法萨尔大学的研究团队开发了GATE(General Arabic Text Embedding)模型,这是一套专为阿拉伯语设计的文本嵌入系统。该研究结合了套娃表示学习和混合损失训练方法,解决了阿拉伯语特有的语义处理挑战。GATE模型在MTEB基准测试的语义文本相似度任务中表现卓越,比包括OpenAI在内的更大模型高出20-25%,同时保持了多维度(768至64)的高效表现。研究通过详细的错误分析揭示了模型在不同相似度水平上的表现特点,为阿拉伯语NLP领域提供了新的研究方向。