数据库软件厂商MongoDB今天公布了第一季度财报业绩,超出了华尔街的预期,但股价在盘后交易中出现下跌,此前MongoDB警告称,第二季度亏损将超出分析师的预期。
MongoDB主要出售开源的、文档导向的同名数据库,用于支持大数据应用和其他密集型工作负载。该季度MongoDB在未计入股票薪酬等特定成本的情况下,每股亏损13美分,收入为1.303亿美元。此前华尔街预期的每股亏损为25美分,收入为1.197亿美元。
MongoDB高管曾在三个月前警告投资者称,MongoDB很可能受到冲击,当时疫情才刚刚开始蔓延。事实证明,最初的影响并没有那么糟,但是MongoDB总裁兼首席执行官Dev Ittycheria今天表示,未来一段时间不确定性仍然笼罩着公司的前景。
他说:“在COVID-19大流行期间,MongoDB一季度的强劲表现,证明了我们的现代数据平台对客户取得成功所带来的价值。尽管COVID-19带来的影响比我们在财年初预期的时间更长,但我们看到有明显迹象表明,当前形式正在推动着数字化转型和云迁移的长期发展趋势。”
展望未来,MongoDB预计第二季度每股亏损38至41美分,收入在1.25亿至1.27亿美元之间。华尔街预测的第二季度每股亏损为37美分,收入为1.213亿美元。
之后,MongoDB股价在盘后交易中下跌了3%多。
Constellation Research分析师Holger Mueller表示,尽管MongoDB对前景预期较为保守,但前景依然是光明的,因为MongoDB仍将在受到软件开发者群体的青睐。
“MongoDB提供了良好的功能,会对创新进行衡量,而且每个季度MongoDB的开发者社区都变得越来越活跃。"Mueller表示,MongoDB World在线版将有助于巩固这一趋势,推动产品附加率和参与度的增长。MongoDB产品可以运行在所有主流云基础设施平台上,从而提高吸引力和可见性,使其成为支撑企业下一代应用的无限计算平台。”
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。