大数据分析公司Splunk今天公布的第二季度财务业绩未能达到华尔街的预期。
该公司销售的软件可以帮助企业实时搜索、关联、分析、监控并报告数据,该公司报告称,在未计算某些费用的情况下出现了亏损,每股亏损33美分,营业收入为4.92亿美元,同比下降5%。此前,华尔街预计每股亏损33美分,而对营业收入的预计要高得多——达到5.221亿美元。
Splunk还报告称该公司该季度净亏损2.613亿美元。受到这些消息的冲击,该公司的股票价格在盘后交易时段下跌了3%。
在一定程度上,令人失望的业绩表现要部分归因于该公司一直在从授权收入模式向云订阅模式过渡,这种转变至少在目前看来进展顺利。
Splunk公司的首席执行官Doug Merritt表示,该公司的云业务在本季度发展势头良好,销售额达到了1.26亿美元,比去年同期增长了79%。他还表示,该公司现在拥有将近400个合同价值超过100万美元的客户。
Merritt在一份声明中表示:“ Splunk的云业务发展持续加速,现在占本季度软件预订量的一半以上——这是我们云计算之旅中的一个重要里程碑。”
在与分析师们进行的电话会议上,Merritt表示,新冠肺炎大流行给该公司带来了一些好处,这种疾病的大流行迫使一些客户加快了向基于云的服务的转移步伐。
他说:“我们在第一季度看到的许多订购趋势在第二季度都有持续或加速。”他表示:“尽管有些客户仍然不愿签署长期合同,特别是对于大订单,但许多现有客户仍在继续扩大对Splunk的使用。”
Splunk今年早些时候,在谷歌云平台发布了Splunk Cloud限定版,Merritt强调称,在此之后,Splunk Cloud表现出“强大吸引力”。
尽管该公司的首席执行官的说法非常乐观,但是Splunk公司要想逆转命运似乎还需要一段时间。对于下一个季度,Splunk表示,预计收入将在6亿美元至6.3亿美元之间,略低于华尔街预测的6.424亿美元。
好文章,需要你的鼓励
这项研究探讨了具身智能体(如机器人)如何通过记忆为用户提供个性化服务。宜远大学研究团队开发了MEMENTO评估框架,通过两阶段设计评估智能体利用记忆的能力。研究将个性化知识分为物体语义(如"我最喜欢的杯子")和用户模式(如"早餐习惯")两类。实验表明,即使是GPT-4o等前沿模型在需要综合多记忆的任务中也表现出30.5%的性能下降,特别是在理解用户模式方面存在明显挑战。
这项研究提出了一种创新的"生命长久安全对齐"框架,使大语言模型能够持续适应不断进化的越狱攻击策略。框架核心是元攻击者与防御者之间的对抗演化循环:元攻击者不断发现新的攻击策略,防御者则学习抵御这些攻击。实验表明,经过两轮迭代后,防御者成功将攻击成功率从73%降至7%,同时保持了模型的有用性。这种动态进化方法相比传统静态安全对齐更有效,为构建持续安全的大语言模型提供了新方向。
Enigmata是一项突破性研究,通过合成可验证的拼图训练大语言模型的逻辑推理能力。该研究创建了包含36种任务、7大类推理能力的完整训练系统,每项任务都配备了可控难度生成器和自动验证器。基于此训练的Qwen2.5-32B-Enigmata模型在拼图推理基准上超越了o3-mini-high和o1等顶尖模型。更令人惊喜的是,当应用于更大规模模型时,这些拼图数据不仅提升了模型解决拼图的能力,还意外增强了其数学和STEM推理能力,展示了纯逻辑训练带来的广泛泛化优势。
这项来自新加坡国立大学等机构的研究引入了REASONMAP,一个用于评估多模态大语言模型细粒度视觉理解能力的基准测试。研究团队使用来自13个国家30个城市的高分辨率交通地图,构建了1,008个问答对,设计了两级评估框架测量答案的正确性和质量。对15个流行模型的评估揭示了一个意外发现:开源领域的基础模型表现优于推理型模型,而闭源模型则相反。研究还表明,当视觉输入被遮盖时,模型性能普遍下降,证明真正的细粒度视觉推理任务仍需要有效整合多模态信息。