Commvault公司已经连续第三季度实现业务复苏,不过其税后实际收益较上年同期仍然出现了更加严重的亏损状况。
Commvault公司2017财年第一季度营收同比提升9.6%,达到1.524亿美元:上年同期营收为1.391亿美元,但仍低于2016财年第四季度的1.596亿美元。其中,软件营收达到6390万美元,较上年同期提升13%,而服务营收则为8850万美元,较上年同期增长7%。
而盈利能力则得到了精确均衡。该公司上个季度的利润为580万美元,GAAP净亏损则为200万美元,较差于上年同期的130万美元亏损。税前亏损则为263万美元,好于上年同期的630万美元。
本季度税前收入为5.81亿美元,远低于上年同期的49.9亿美元,仍然处于GAAP净亏损状态。
• 本季度运营资金流总额为2400万美元。
• 截至2016年6月30日,总体资金与短期投资额为4.102亿美元,高于2016年3月31日的3.872亿美元。
• 本季度Commvault公司并未进行循环信用额度贷款或者股票回购。
• 由2016年7月26日到2017年3月31日期间,Commvault公司的股票回购计划总额为9310万美元。
总体来讲,Commvault公司的财务状态基本良好,同时亦呈现出继续保持增长的态势。因此,我们预计其将在下个季度延续复苏状态,营收将高于上年第二季度的1.407亿美元。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。