大数据分析公司Splunk今天宣布了该公司有史以来规模最大的一笔收购,同时公布的第二季度财报超出了华尔街的预期。
Splunk表示,打算以10.5亿美元的价格收购云应用监控公司SignalFX,一旦交易于2020年下半年完成,Splunk将以现金形式支付其中约60%,另外40%的将以Splunk普通股的形式支付。
SignalFX将为Splunk带来一些重要的功能。SignalFX于2015年走出隐形模式,主要销售实时云监控工具、预测分析和其他服务,帮助企业密切关注IT系统的健康状况。
Splunk表示,此次收购将使其成为两个关键新兴领域的领导者——可观察性和应用性能监控,涵盖云和本地环境。
Splunk表示,这一产品组合将为IT部门和开发人员提供一个数据平台,让他们能够实时监控和观察数据,从而帮助他们降低成本、增加收入以及改善客户体验。
Splunk认为这正是客户想要的。Splunk引用Gartner的预测称,到2022年全球超过75%的企业将在生产中运行容器应用,而目前这一比例还不到30%。
Splunk还提到了IDC的一份报告称,未来五年应用性能监控软件即服务市场的增长速度将比相关的内部服务快三倍。
Pund-IT分析师Charles King表示,这次收购将扩大Splunk在IT运营管理方面的重要地位。
King说:“Splunk将利用SignalFX的云基础设施、微服务和应用解决方案扩展自己现有的产品组合,提供有关数据和工作负载的洞察,不管这些数据和工作负载是在什么位置,这对于那些采用混合云和多云基础设施、实施应用现代化的企业来说至关重要。”
SignalFX在此次收购前共筹集了1.785亿美元资金,最近一次融资是在6月份完成的E轮融资,金额为7500万美元,投资方包括General Catalyst、Tiger Global Management、Andreessen Horowitz和CRV。
General Catalyst合伙人、SignalFX董事会成员的Steve Herrod表示,应用监控工具的日益普及对许多企业来说都是一个简单的经济问题。
他说:“电子商务和客户在网络上的互动量增加了,任何不佳表现或宕机都会让你付出巨大的代价。随着应用变得越来越复杂,企业收入越来越依赖于这些应用,你必须拥有更好的工具来监控这些应用。”
SignalFX将成为Splunk迄今为止最大的一次收购,此前Splunk曾以3.5亿美元收购了安全自动化和编排公司Phantom Cyber。
与此同时,Splunk公布了表现强劲的第二季度财报,在股票补偿等特定成本之前的收益为每股30美分,收入为5.17亿美元。
此前华尔街预期Splunk的每股收益仅为12美分,收入为4.883亿美元。
此外Splunk公布的第三季度展望也超出了预期。Splunk表示,预计未来三个月的销售额将达到6亿美元,远高于分析师预期的5.9052亿美元。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。