5月13日,VMware(NYSE:VMW)宣布,其董事会已任命Rangarajan(Raghu)Raghuram为首席执行官和董事会成员,自2021年6月1日起生效。Raghuram是一位业界资深人士兼战略商业领袖,目前担任VMware执行副总裁兼产品与云服务首席运营官。
VMware董事会主席Michael Dell 表示:“我很高兴Raghu能担任VMware首席执行官。在他的整个职业生涯中,Raghu的卓越领导力一直与正直、信念兼容,为VMware的成功发挥了重要作用。现在,Raghu已经准备好构建VMware的未来,帮助客户和合作伙伴在多云世界中加速其数字业务。”
自2003年加入VMware以来,Raghuram在VMware的悠久历史中帮助指导了公司的战略方向和技术发展,推动了核心虚拟化业务发展和VMware软件定义数据中心战略,构建并指导了VMware云计算业务和SaaS转型,在公司并购战略中发挥了关键作用,并在推动与戴尔科技集团及其他大规模战略合作伙伴的合作中发挥了关键作用。
Raghu Raghuram表示:“VMware凭借跨云、数据中心和边缘的端到端软件平台,以独特的姿态引领多云计算时代,帮助客户加速数字化转型。我很荣幸,感到受宠若惊,也很兴奋能被选中,带领公司进入一个新的发展篇章。我们有巨大的机会,我们有正确的解决方案和优秀的团队,我们将继续专注、热情、敏捷地前行。”
VMware首席独立董事Paul Sagan表示:“经过深入周到的寻找,董事会认为Raghu是领导公司、担任CEO的最佳人选,因为他体现了我们的创新文化、代表了我们的价值观,对VMware的未来有着清晰的展望。我们还要感谢Zane Rowe作为临时首席执行官所展现的领导力,他将继续担任首席财务官并发挥关键作用。”
VMware还宣布,Sumit Dhawan已被任命为总裁,负责所有市场营销的职能,包括全球销售、全球合作伙伴和商业组织、客户体验和成功(CXS)、营销和沟通。凭借他在构建和扩展订阅业务方面的丰富经验以及以客户为中心的定位,Dhawan非常适合担任这些团队的领导。Dhawan目前担任VMware高级副总裁兼首席客户官,他帮助设计了新兴的多云和订阅服务的业务战略,改变了VMware客户使用VMware服务的方式。
现任VMware首席运营官,主管客户运营的Sanjay Poonen做出了离开VMware的个人决定。Poonen已在VMware工作了7年,目前负责客户运营,在此之前负责终端用户计算(EUC)。“我们代表董事会和公司感谢Sanjay为VMware做出的诸多贡献,并祝愿他在未来的工作中一切顺利,”Sagan表示。
VMware首席运营官,主管客户运营的Sanjay Poonen表示:“热烈祝贺Raghu晋升为首席执行官,我知道他将把公司推向新的高度。我将为公司的成功而欢呼,因为我将开始我的下一段旅程。”
2022财年第一季度初步财务报告
2022财年第一季度的收入预计为29.94亿美元,同比增长9.5%。
订阅、SaaS和许可收入预计为13.87亿美元,同比增长12.5%。
第一季度GAAP营业利润率预计为18.7%,非GAAP营业利润率预计为30.8%。
GAAP净利稀释每股收益预计为1.01美元,非GAAP净利稀释每股收益预计为1.76美元。
有关VMware第一季度财务业绩的更多详细信息将于美国时间2021年5月27日(星期四)收盘后公布。公司将于太平洋时间当天下午1:30、美国东部时间下午4:30召开电话会议,回顾财务业绩和业务前景。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。