美国纽约州 ARMONK,东部时间 2022 年 10月 19日,IBM(NYSE: IBM)发布 2022 年第三季度业绩报告。
IBM 董事长兼首席执行官 Arvind Krishna 表示:“本季度,IBM持续专注于战略执行,并实现强劲的营收增长。在全球范围内,客户将技术视为强化业务的机会,这体现在我们各个业务的业绩中。基于今年迄今的表现,我们预计全年营收增长将超越公司的中等个位数预期。”
第三季度业绩要点
IBM 高级副总裁兼首席财务官 James Kavanaugh 表示:“今年前三季度的营收增长和利润状况,都验证了我们在去年秋天规划的投资理念。凭借我们的产品组合、业务基本面、强劲的经常性收入和稳定的现金流,IBM能够通过投资实现持续增长,并通过派发股息回报股东。”
第三季度各部门业绩
现金流
综合计算,IBM在第三季度的经营活动创造现金流19亿美元(去掉IBM应收账款融资为12亿美元),自由现金流为8亿美元。在今年第三季度,公司以派发股息的形式向股东返还了 15亿美元。
IBM在今年前9个月的经营活动创造现金流65亿美元(去掉IBM应收账款融资为54亿美元),自由现金流为41亿美元,其中包含2020年底结构性调整产生的现金影响。
截止第三季度,IBM 持有现金97亿美元(包括可转换债券),较 2021 年底增加 22 亿美元。
2022全年展望
IBM预计其2022年全年营收增长将超越中等个位数的预期,面向 Kyndryl的销售增长预计将额外贡献3.5个百分点,这主要集中在前三个季度。基于 2022 年 10月中旬的外汇汇率,营收增长比率可能会比固定汇率下减少约7个百分点。综合计算,IBM预期2022年自由现金流约为100亿美元。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。