3月11日, 万国数据控股有限公司(以下简称“万国数据”或“公司”)公布截至2020年12月31日第四季度及全年未经审计的财务业绩。
2020年第四季度财务业绩亮点
2020年全年财务业绩亮点
2020年第四季度及全年业务经营亮点
万国数据董事长兼首席执行官黄伟表示: “2020年,我们再一次完成了卓越的财务业绩,证明了我们在极具挑战的经营环境下的执行能力。我们全年保持着强劲的销售势头,数据中心总签约面积同比增长超过50%。在一线市场,我们的资源渠道显著增强,同时我们加大了收购力度,进一步巩固万国数据的市场领先地位。我们在香港的成功上市是公司又一重要里程碑,这拓宽了我们获得资本的渠道。随着云基础设施和新兴技术在中国的落地与发展,我们将把业务提升到一个新的水平,拥抱更多的宝贵机遇。”
万国数据首席财务官Dan Newman表示:“我们在2020年再次实现了一系列强劲的财务业绩,营收和调整后EBITDA分别同比增长39.2%和47.0%,调整后EBITDA超过了我们的指引。我们的调整后EBITDA利润率上升至46.7%,同比增长2.5个百分点。2020年,通过香港首次公开发售及定向增发,我们在股权资本市场筹集所得款项约为24亿美元,并获得约24亿美元的债务融资及再融资信贷,进一步巩固了公司的资金保障,为公司的未来发展做好准备。”
好文章,需要你的鼓励
NOVER是一种创新的无验证器强化学习框架,解决了传统激励训练依赖外部验证器的限制。由伦敦国王学院研究团队开发,它通过计算"推理困惑度"作为奖励代理,使语言模型能在任何文本任务中自主发展推理能力。实验表明,NOVER在一般推理、创意写作、社会智能和多语言能力等多种任务上均优于基线方法,甚至使3B模型接近从671B模型蒸馏版本的性能。此外,其灵活性还支持"反向激励训练"等创新应用,为语言模型训练开辟了新方向。
韩国中央大学研究团队开发了名为CoPriva的基准测试,评估大语言模型遵守上下文安全策略的能力。研究发现,虽然多数模型能成功拒绝直接违反安全政策的查询,但在面对间接攻击时存在严重漏洞,泄露率平均增加40%以上。即使是推理能力强的模型也未显示出明显优势,且高忠实度的回答往往伴随更多信息泄露。研究团队评估了10种先进模型,发现政策存在与否对防止泄露影响有限,而修订功能仅能部分提升合规性。这揭示了当前AI安全对齐的重大缺陷,强调了开发更强健安全机制的紧迫性。
这项研究分析了混合专家模型(MoE)的"局部路由一致性"特性,即连续词元激活相似专家的程度,这对内存受限设备上的模型部署至关重要。研究者提出了两种测量指标:段路由最佳性能(SRP)和段缓存最佳命中率(SCH),分析了20个不同MoE模型。结果表明,在每层都使用MoE且不含共享专家的模型局部路由一致性最高,领域专业化的专家比词汇专业化的专家对一致性贡献更大。研究还发现,缓存大小为激活专家数量2倍时能取得最佳平衡,为MoE模型设计和部署提供了重要指导。
清华大学研究团队开发的"思维增强型策略优化"(TAPO)通过将外部高级思维模式整合到强化学习中,显著提升了大语言模型的推理能力。这种方法从仅500个样本中抽象出思维模板,在AIME、AMC和Minerva Math等基准测试中分别比传统方法提高了99%、41%和17%的性能,同时增强了模型的可解释性、稳定性和泛化能力,为AI推理研究开辟了新方向。