公司表现 - 公司股价在过去三年上涨超过740% [1] - 2026财年第一季度销售额同比增长69% 每股收益(EPS)为0.81美元 即使扣除因美国政策导致的0.15美元每股影响 仍显著高于去年同期 [7] - 数据中心收入同比增长73% 增速超过总收入 [10] 行业机遇 - 生成式AI成为技术热点 科技公司竞相开发AI平台或将AI集成到用户界面中 [4] - AI应用需要强大芯片支持 公司芯片在AI芯片市场份额估计在70%至95%之间 [5][11] - 大型语言模型(LLM)从推理阶段发展到推理阶段 需要更强大的芯片支持 [9] 技术发展 - 公司持续开发更强大技术 Blackwell模型已升级为Blackwell Ultra 并计划在2026年推出新技术Rubin [10] - AI推理代币生成量在一年内激增10倍 AI代理成为主流将加速对AI计算的需求 [10] 估值分析 - 公司股票按明年盈利预期计算的市盈率为25倍 仍有上涨空间 [12] - 按过去12个月销售额计算的市销率为23倍 为高增长估值 [13] - 若保持当前市销率 公司需要实现15%的复合年增长率才能在五年内实现股价翻倍 考虑到当前表现和未来机会 这一目标具有可行性 [14][15]

苹果Siri AI升级计划 - 公司计划在2026年春季推出AI升级版Siri语音助手 原定2024年秋季发布但遭遇延迟 [1] - 新功能可能在2025年秋季预览 2026年春季正式发布 [2] - 技术挑战导致Siri完全重建 管理层职责也进行了调整 [3] 发布时间变更 - 最初计划2024年秋季发布 后推迟至2025年春季 最终调整为"来年" [2][3] - 软件工程主管Craig Federighi表示需要更多时间达到质量标准 [4] - CEO Tim Cook在财报电话会议中承认AI能力升级需要"更多时间" [4] 技术挑战 - 员工透露公司在应用前沿大语言模型(LLM)升级Siri时遇到困难 [5] - 需解决LLM对语音提示提供复杂响应的技术难题 [5] 行业对比 - 公司在生成式AI创新方面相对保守 与亚马逊 谷歌 微软等竞争对手形成对比 [6] - 竞争对手正以激进且实验性的方式拥抱LLM和企业级AI解决方案 [6]

纪要涉及的行业和公司 - **行业**：身份验证行业，涵盖金融、房地产、执法、政府、保险等多个垂直领域 [6][13][14] - **公司**：Red Violet，其主要竞争对手包括LexisNexis、TransUnion、Equifax等 [15] 核心观点和论据 公司历史与背景 - 管理团队在身份验证领域拥有二三十年经验，90年代末创立Accurant，后以7.5亿美元卖给LexisNexis；又创立TLO，以近2亿美元卖给TransUnion，累计交易近10亿美元 [4][5] - 2014年团队重组，采用云计算技术构建新平台，区别于传统大数据机房模式，可根据业务量灵活调整规模 [6] 业务模式与服务 - 聚合美国成年人的各类数据库信息，创建360度个人资料并出售，与客户签订长期合同，成本固定，新增收入几乎100%转化为利润 [6] - 服务五个垂直领域，约26个行业，如催收、房地产、金融和企业风险、执法、新兴市场（政府、保险等） [6][13][14] 竞争优势 - **数据质量与连接性**：以背景筛查为例，Equifax虽数据多，但无法复制Red Violet的数据提升效果，客户最终选择与其签订长期协议 [15][17] - **云计算基础设施**：客户使用TransUnion服务时出现吞吐量和数据质量下降问题，最终回到Red Violet平台 [18][20] - **客户资源**：为七个顶级身份验证平台提供支持，如ID. Me等 [21] 市场趋势与业务机会 - **经济周期适应性**：经济繁荣时，新账户开户、贷款申请等需要身份验证；经济下行时，信用卡违约和回收市场增长，带动催收业务需求 [24][25] - **新兴市场潜力**：政府和保险等新兴市场目前渗透率低，但历史上曾是重要收入来源，未来有望成为独立业务板块 [14] 销售策略与业务拓展 - **销售团队垂直化**：针对不同行业设立专业销售团队，如执法、金融和企业风险等 [28] - **瀑布式销售**：在催收领域，先由一级供应商处理，未匹配的数据再由Red Violet处理，逐步提高市场份额 [29] - **直接面向终端用户**：与顶级身份验证平台合作，为终端用户提供定制解决方案，逐渐从批发转向零售业务 [30] 成本与利润分析 - **数据成本**：40%的数据成本与一家供应商相关，合同12 - 18个月后到期，正在重新谈判，预计与六年前一样维持原价 [33][34] - **利润率**：毛利率约80%，调整后EBITDA利润率约40%，目前处于较低的30%左右 [35] 政府业务前景 - 聘请Jonathan McDonald负责公共部门业务，团队约15 - 20人，已在执法机构取得良好进展，拥有1000 - 2000家客户，美国市场总量约15000家 [37][38] - 联邦业务销售周期长，预计2026年开始贡献收入，当前政府削减开支后重新招标，为公司带来更多机会 [41][42] AI影响与机遇 - **非威胁因素**：AI存在数据幻觉问题，金融机构等需要高可信度数据资产，不会使用ChatGPT进行身份验证，因此对公司不构成威胁 [43][44] - **机遇方面**：可利用AI获取更多数据，如读取长格式数据、构建家族树等，还能提升系统交互性和查询效率 [45][46] 资本运用与发展战略 - **股份回购**：已回购约150万股，平均价格19美元，还通过其他方式回购股份，总计约150万股 [52][53] - **并购与投资**：寻找独特数据资产进行收购，降低数据成本，提高利润率；也会考虑自主研发产品，如背景筛查业务 [54][55] - **数据获取与运营效率提升**：通过AI获取更多数据，同时自动化内部重复任务，提高运营效率和利润率 [55][56] 其他重要但可能被忽略的内容 - 公司所有业务收入均来自美国，若拓展国际业务，将与合作伙伴共同服务客户 [70] - 公司在房地产行业通过Forewarned产品为房地产经纪人提供安全解决方案，已进入500多个房地产协会，服务约325名用户，美国可服务市场约100万名房地产经纪人 [11] - 公司将手动催收工作外包，专注于自动化流程，以获取更高的利润率 [31][32] - 公司数据安全有保障，每年进行多次第三方渗透测试，获得信用局审计、PCI一级认证、ISO 2700认证等 [63][64]

科技股表现 - 科技股在年初表现不佳后强劲反弹 以科技股为主的纳斯达克综合指数在过去两个月内飙升超过25% [1] - 市场情绪重新转向有利于科技股 目前有两家社交媒体股票值得关注 [1] Reddit公司分析 - Reddit上市仅一年多 股价已上涨超过250% [3] - 第一季度业绩表现亮眼 收入同比增长61% 国际收入增长82% [5] - 平均每用户收入(ARPU)同比增长23% 日活跃用户(DAUs)增长31% [5] - 毛利率从去年同期的88.6%提升至90.5% 净利润达2600万美元 去年同期亏损5.75亿美元 [5] - 平台拥有数十万个"subreddits" 是包括ChatGPT等大型语言模型和谷歌等搜索引擎在内的互联网生态系统重要组成部分 [3] - 用户生成大量独特内容 对搜索结果和大型语言模型响应具有关键影响 [4] - 推出Reddit Answers功能 每周平均用户(WAUs)超过100万 [6] - 目前市值220亿美元 适合长期增长型投资者 [6] Meta Platforms公司分析 - 第一季度业绩强劲 单季度收入420亿美元 净利润170亿美元 自由现金流100亿美元 [11] - 按年化计算 公司收入有望达到近1900亿美元 规模堪比福特、通用汽车和雪佛龙等美国标志性企业 [7] - 大力投资人工智能基础设施 包括AI芯片和数据中心 旨在颠覆广告行业格局 [9] - 计划到2026年实现广告全自动化 通过AI根据观众位置和喜好定制广告 消除广告代理中间环节 [10] - 今年以来股价已上涨19% 建议采用美元成本平均策略建立长期头寸 [12]

纪要涉及的公司 - JFrog：一家专注于软件开发领域的公司，提供管理二进制文件、安全和机器学习等相关产品和服务 [2][3] - Sonotype：JFrog在DevOps二进制管理工具基础设施领域的竞争对手，是一家私募股权支持的私人公司 [34] - Hugging Face：与JFrog建立合作关系，是一个大型语言模型的存储库 [22] - QuocAI：JFrog在去年第二季度收购的公司，其平台用于管理大型语言模型 [20] 纪要提到的核心观点和论据 公司业务与定位 - **核心业务**：JFrog旨在提高开发者效率，管理二进制文件，拥有二进制和Artifactory平台、DevSecOps安全产品以及JFrogML，是全球唯一能将这三个应用集成在一个平台的公司 [2][3] - **软件供应链角色**：软件供应链是将源代码转换为机器语言的过程，如今更新速度加快，80 - 90%的源代码为开源包，JFrog负责管理这些二进制文件的更新、测试、安全保障和分发 [5][7][8] - **未来发展方向**：将与大语言模型合作，为AI和大语言模型领域创造价值 [4] 第一季度业绩亮点 - **业务转型成果**：第一季度业绩是多年努力的成果，公司此前向企业市场转型，在安全、战略销售和基础设施建设方面进行了大量投资，收购Vidoo并将安全业务从单点解决方案发展为平台，去年第三季度达成公司历史上最大的三笔交易，如今有客户年度经常性收入（ACV）达3000万美元 [10][11][12] - **安全业务渗透**：2024年底，安全业务贡献了3%的收入、5%的ARR和12%的RPO，而前一年几乎为零，表明公司已成功渗透安全预算 [13] - **云使用量超预期**：第一季度云使用量强劲，许多客户超出了最低数据消费承诺，产生了超额收入，这在历史上通常是业务淡季，是意外之喜 [13][14][15] AI与业务关系 - **潜在受益**：大语言模型是二进制文件，JFrog管理二进制文件，因此有望在AI市场中受益。公司收购QuocAI以管理大语言模型，第一季度发布了该产品的云版本，计划本季度发布自托管版本 [19][20] - **市场现状**：目前处于早期阶段，类似棒球比赛开场唱国歌阶段。第一季度跟踪客户使用的软件包，发现Docker、Hugging Face和Python PyPy的使用量增长显著，可能与AI实验有关 [20][21] Hugging Face合作关系 - **合作背景**：Hugging Face原本的审查和安全公司称其80%以上的模型为恶意，但JFrog扫描后认为是误报，这使得JFrog客户认为Hugging Face是更安全的存储库 [22][23] - **合作意义**：该合作支持了社区和存储库，可能为JFrog带来间接利益，因为客户使用Hugging Face存储库时会使用JFrog Artifactory的代理功能 [23] 指导方针不包含某些因素的原因 - **大型复杂交易**：大型复杂交易具有不确定性，若预测交易在某季度完成但未完成，难以用其他交易填补，因此采取谨慎态度，将其作为潜在的额外收益 [28] - **使用量波动**：使用量虽在第一季度带来了收入增长，但开发者创新需求与CFO和采购部门的预算限制之间存在矛盾，使用量可能迅速下降，不宜将其纳入指导方针 [29][30] - **市场不确定性**：进入第二季度后，市场变化增加了不确定性，因此采取更保守的指导方针，平衡第一季度的超额表现与谨慎态度 [31] 竞争优势 - **竞争格局**：JFrog是DevOps二进制管理工具基础设施领域唯一的上市公司，主要竞争对手为私人公司Sonotype，还有小型初创公司和提供基本容器注册技术的超大规模云计算提供商 [34][35] - **差异化优势**：JFrog拥有深厚的技术栈，支持多种语言，在安全方面具有优势，其平台可确保二进制文件的安全，点解决方案在二进制安全方面需依赖JFrog，随着MLOps等技术的加入，竞争优势将进一步扩大 [36][37][38] MLOps业务机会 - **收购决策依据**：收购QuocAI是因为市场向大语言模型转变，数据科学家创建的大语言模型需作为二进制文件进行训练、安全保障和部署，JFrog希望在该市场获胜，且该产品能快速集成到公司平台 [45][46][48] - **市场现状与挑战**：目前许多公司在组织内进行ML实验，JFrog认为大规模采用该技术前存在两个关键因素，即行业确定货币化方式和买家愿意支付的价格，以及MLSEC op和AI带来的安全挑战 [49][50] M&A战略 - **战略重点**：公司注重产生自由现金流，第一季度自由现金流利润率达26%，这使其能够灵活应对市场变化，进行转型或小规模的并购 [51] - **未来方向**：未来将关注JFrog ML平台的客户反馈，若发现平台存在漏洞，可能进行小规模收购，重点在ML和AI领域，而非安全领域，因为公司认为在安全领域已具备良好的市场地位 [52] 安全业务增长 - **增长潜力**：安全业务有很大的增长机会，公司拥有超过7000家客户，其中一半以上使用JFrog X - ray，这是使用高级安全产品的前提，因此有很大的渗透空间 [54][55] - **销售方式**：三年前建立了安全覆盖团队，将安全架构和解决方案工程师融入销售流程，如今客户购买决策由开发人员、CIO和CSO组成的小组共同做出，销售时将开发和安全价值整合为一个整体进行推销 [56][57][58] 自由现金流与增长平衡 - **一贯理念**：公司一直注重盈利能力和自由现金流，这是公司的核心价值观，不会为了增长而过度投入，会在创新和盈利之间保持平衡 [59][60][61] - **指标考量**：遵循“规则40”，即增长率与自由现金流利润率之和达到40%，目前自由现金流利润率在指标中的占比逐渐增加 [62] 其他重要但是可能被忽略的内容 - **市场对二进制重要性的认知变化**：二进制在软件开发中的重要性在过去几年逐渐提升，这也是该领域发展较新、竞争对手较少的原因之一 [39] - **与超大规模云计算提供商的关系**：JFrog与超大规模云计算提供商在市场上有合作，这些提供商主要追求流量，对于简单基础的案例会吸引客户使用其容器注册解决方案，而JFrog的客户主要来自竞争对手或自建工具无法满足需求的大型组织 [41][42][43]

公司表现 - 多邻国股票自2021年上市以来涨幅达276%，当前股价超过520美元，接近历史高点，同期标普500指数仅上涨34% [1] - 公司2025年第一季度日活跃用户数同比增长49%至4660万，付费订阅用户数同比增长40%至超1000万 [4] - 过去12个月自由现金流达2.89亿美元，远高于上市初期水平 [2] 增长驱动因素 - 生成式AI技术推动产品创新，第一季度推出150个基于AI生成内容的新语言课程 [8] - 高端订阅套餐Duolingo Max（含AI功能）推动预订量超预期 [8] - 公司采用OpenAI的GPT-4等大型语言模型开发机器学习软件，实现内容快速生成 [10] 行业竞争格局 - Alphabet旗下Google Meet推出实时AI翻译功能，月费150美元，价格显著高于多邻国Max套餐的30美元 [11] - 行业变革加速，新竞争者可能更快复制多邻国自2012年积累的产品体系 [12] - 用户对游戏化学习体验的偏好可能形成差异化壁垒 [11] 财务估值 - 当前股价对应30倍市销率，显著高于行业常规估值水平 [15] - 业务高速增长状态下，高估值隐含较大回调风险 [17]

财务数据和关键指标变化 - 公司今年指导为18%，第一季度达到22%，过去三个季度已建立相关业绩记录 [12] 各条业务线数据和关键指标变化 - 安全业务在2024年成为交易规模变化的重要因素，本身可达成7位数或更大规模交易，在多年期合同中有采用率提升 [20] - 第四季度安全业务占ARR的5%、RPO的12%，有250个客户 [21] - 企业级Plus收入占比已远超50% [30] 各个市场数据和关键指标变化 - 市场上安全工具出现整合趋势，Forrester和Gartner不再发布应用安全报告，行业正朝着平台化发展 [28] 公司战略和发展方向和行业竞争 - 公司从自下而上的开发者主导销售转变为自上而下的企业级销售，企业级Plus收入占比超50% [30] - 公司与GitHub建立合作关系，集成在API和安全层面展开，可替代多达8个工具，未来可能有联合销售，但需得到微软Satya的决策 [40][41][45] - 公司认为安全业务可整合不同的单点解决方案，利用平台策略受益，竞争对手多为私有公司，受资金限制发展受限 [27][29] 管理层对经营环境和未来前景的评论 - 第一季度客户使用情况良好，但采购和财务部门未表现出开发者的热情，对后续使用情况持谨慎态度，需观察第二季度情况 [6] - 公司认为代码生成带来更多二进制文件和数据传输的趋势尚未到来，当机器更多生成源代码时才可能出现 [7] - 公司调整指导策略，以更好保护投资者，应对业务变化和大型交易的不确定性 [15] - 市场环境仍艰难，企业注重预算，对开支较为谨慎，这可能影响使用量增长趋势的延续 [61] 其他重要信息 - 第一季度客户使用量超预期，可能是开发者尝试AI和MLOps或大语言模型进行创新实验，贡献使用量超量的最大包增加来自Hugging Face、Python和Docker [5] - 公司赢得一家顶级原生AI公司的合同，合同金额达6位数，客户目前使用Artifactory进行常规操作，未来可能有创建数据中心、托管和训练模型等新业务模式 [9][10] - 云业务有消费和迁移两个关键增长驱动因素，2022年后迁移成为主要驱动，迁移第一年平均有20 - 80%的提升，公司认为60%来自自托管的收入未来可能迁移到云，但部分业务因法规等因素将保留自托管 [52][53] - 公司进行的Forrester研究显示，客户使用JFrog在一定时间内可获得300%以上的投资回报率 [63] 总结问答环节所有的提问和回答 问题: 第一季度使用量超预期的驱动因素及是否会持续 - 第一季度使用量超预期可能是开发者尝试AI和MLOps或大语言模型进行创新实验，目前仅一个季度数据，不能确定为趋势，采购和财务部门态度谨慎，后续情况需观察第二季度 [4][5][6] 问题: 代码生成带来更多二进制文件和数据传输的趋势是否开始显现 - 公司认为目前尚未达到该阶段，此趋势更多会在机器更多生成源代码时出现 [7] 问题: 赢得大型AI原生客户的驱动因素、客户当前使用情况及未来可能用途 - 客户此前使用多种小型私有解决方案管理二进制文件，希望公司提供更有效、可扩展的管理方式，签订了6位数合同，目前使用Artifactory进行常规操作，未来可能创建数据中心、托管和训练模型，开展模型即服务业务 [9][10] 问题: 公司指导策略变化的原因 - 去年第二季度因收购公司和客户要求价格上限问题，导致投资者困扰，公司为更好保护投资者，调整指导策略，让大型交易自然发展，不纳入指导范围 [14][15] 问题: 交易规模增大的驱动因素及安全业务管道建设和续约情况 - 安全业务成为交易规模变化的重要因素，自2024年出现新机会，可达成7位数或更大规模交易；目前有250个安全业务客户，部分已迁移，部分客户将评估入门定价，随着时间推移，业务有望增长 [20][22][23] 问题: 安全业务的竞争情况 - 竞争对手多为私有公司，此前有良好估值和现金，但受资金限制，只能专注单一解决方案，无法扩展平台，而公司可通过安全业务整合单点解决方案，利用平台策略受益 [27][29] 问题: 公司从开发者主导销售向企业级销售转变的情况及新客户机会 - 公司已成功实现转变，企业级Plus收入占比超50%，新客户机会更多在中小企业市场，未来可能推出Artifactory轻量版并结合GitHub合作拓展新客户 [30][31][33] 问题: 未与公司合作的财富500强公司使用情况 - 部分公司使用Sonotype，但无法实现云迁移；还有一些小型云玩家、开源解决方案和内部拼凑的解决方案，但这些方案存在可扩展性问题 [34] 问题: GitHub合作的战略意义、过去一年的影响及未来发展 - 合作由客户推动，集成在API和安全层面展开，可替代多达8个工具，改变了投资者和分析师的看法，目前难以确定具体收益，未来可能有联合销售，但需得到微软Satya的决策 [40][41][45] 问题: 企业级Plus客户升级层级的驱动因素和策略 - 驱动因素包括分发、安全和MLOps等，公司通过在基础套餐中加入X射线等方式，推动客户升级订阅层级 [48][49] 问题: 云迁移的驱动因素、趋势及对净留存率和经济效益的影响 - 云业务增长驱动因素包括消费和迁移，2022年后迁移成为主要驱动，迁移第一年平均有20 - 80%的提升，公司认为60%来自自托管的收入未来可能迁移到云，云迁移可带来更好的经济效益和更高的净留存率 [52][53][55] 问题: 销售团队的情况和发展方向 - 销售团队核心稳定，目前关注解决方案工程支持方面的投入，未来可能针对中小企业市场进行投资 [57] 问题: 公司2027年长期目标情况 - 自2023年发布目标以来，公司已达到或超过所有指标，目前处于五年复合年增长率的第三年，可能在SwampUp提供更新 [59] 问题: 宏观环境对公司的影响 - 市场环境仍艰难，企业注重预算，对开支较为谨慎，这可能影响使用量增长趋势的延续 [61] 问题: 客户使用JFrog的投资回报率情况 - 公司进行的Forrester研究显示，客户使用JFrog在一定时间内可获得300%以上的投资回报率，客户认为JFrog提供了高价值，特别是在自托管方面 [63] 问题: 公司核心竞争优势中二进制文件重要性的动态变化及认知 - 二进制文件成为新的攻击向量，其安全性和货币化是LLOps在企业广泛采用的关键，公司认为这是核心竞争优势 [66][67]

文章核心观点 - 一站式系统公司宣布参加即将举办的英伟达GTC巴黎会议，展示其专为边缘环境设计的坚固企业级计算解决方案 [1] 公司参会信息 - 一站式系统公司宣布参加2025年6月11 - 12日在法国巴黎举行的英伟达GTC巴黎会议 [1] - 公司总裁兼首席执行官表示英伟达是长期合作伙伴，GTC巴黎会议是展示公司专为边缘环境大规模数据中心级AI等应用设计的解决方案的重要平台 [2] - 参观者可在展位E07体验公司的专业AI计算解决方案，公司欧洲子公司Bressner的代表也将出席会议 [2] 会议情况 - 英伟达GTC巴黎会议与VivaTech 2025合作举办，汇聚开发者、研究人员、商业领袖和技术专家，探讨AI和加速计算的实际应用，有关于生成式AI等的现场演示和会议 [3] - 如需产品咨询或安排会议，可联系公司销售工程师 [3] 公司介绍 - 一站式系统公司是边缘AI解决方案的领导者，设计和制造企业级计算和存储产品，为恶劣环境应用带来最新数据中心性能 [4] - 公司产品包括加固服务器、计算加速器等，用于多个行业和应用，包括自动驾驶运输和农业以及国防行业的飞机等 [5] - 公司解决方案涵盖整个AI工作流程，为工业OEM和政府客户带来多项行业首创，在边缘计算市场的AI解决方案领域增长迅速 [6] - 公司产品可直接购买或通过全球经销商购买，可访问公司网站获取更多信息，也可在社交平台关注公司 [7]

报告行业投资评级 未提及相关内容 报告的核心观点 在人工智能不断发展的背景下大语言模型（LLMs）作为生成式人工智能的一种在评估中处理文本数据方面具有显著潜力，但使用时需验证其响应的准确性和可靠性；报告基于实验给出利用LLMs的关键经验和良好实践，旨在为评估部门多学科团队将LLMs负责任地融入工作流程提供实用资源 [2][17] 根据相关目录分别进行总结 关键要点 - 识别相关用例，确保实验与能有效发挥LLMs能力的用例相契合 [9] - 规划用例内的工作流程，将用例分解为详细步骤和任务，便于有效应用LLMs并实现组件复用 [10] - 明确资源分配和预期结果，团队需就实验所需资源和成功标准达成共识 [11] - 制定合适的抽样策略，将数据集划分为训练、验证、测试和预测集，以促进有效提示开发和模型评估 [12] - 选择合适的模型评估指标，针对不同任务选择相应指标衡量LLMs性能 [13] - 迭代开发和验证提示，通过不断测试和改进提示，提高LLMs响应质量 [14] 实验关键考虑因素 识别用例 - 实验应从识别LLMs能为文本数据分析带来显著附加值的领域开始，确保实验有目的且相关 [23] - 用例通常需满足文献表明有高价值应用，且当前评估实践效率低、分析浅或因文本量大无法进行的条件 [24] - 报告聚焦结构化文献综述（SLR）和评估综合两个用例，期望LLMs能改进其实施方式 [25] 识别用例内的机会 - 对于复杂用例需详细拆解分析步骤，了解LLMs的应用场景和方式 [26] - 创建详细工作流程，发现不同用例工作流程相似，且存在可重复使用LLMs能力的组件 [27] - SLR工作流程中有五个可利用LLMs的时机，包括筛选文档、提取信息、标注文本、总结文本和综合文本 [32] 就资源和结果达成共识 - 团队成员需就实验所需资源和预期结果达成一致，避免对LLMs应用产生不切实际的期望 [33] - 资源包括全职员工、技术和预算等，需明确LLMs应用的成功标准 [34] - 以SLR识别步骤为例，使用LLMs提高了效率和全面性，减少了人力投入 [35] 选择合适的指标衡量LLMs性能 - 需考虑明确维度来衡量LLMs在特定任务上的性能，不同评估对成功的指标要求可能不同 [36][37] - 文本分类任务使用标准机器学习指标，如召回率、精确率和F1分数等，并划分数据集以计算无偏估计 [38] - 文本总结、合成和信息提取任务使用忠实性、相关性和连贯性等标准评估，需根据具体情况确定可接受的指标值 [39][41][42] 实验及结果 - 实验未对完整SLR或评估综合工作流程进行测试，而是聚焦SLR文献识别步骤的组件，并对文本总结、合成和信息提取进行实验 [49] - 文本分类任务在多次迭代改进提示后取得较好结果，召回率为0.75，精确率为0.60 [53][55] - 文本总结任务中模型响应的相关性、连贯性和忠实性较高，信息提取任务忠实性好但相关性有待提高，文本合成任务忠实性好但有相关信息遗漏 [56] 新兴良好实践 代表性抽样 - 开发提示前将数据集划分为四个不同集合，有助于提高提示在预测集上的泛化能力 [67] - 了解输入数据分布，识别并纳入代表性观察，采用聚类等方法选择样本 [68][70] - 该抽样策略可确保样本语义多样性，增强解释性并支持提示改进，避免重复采样 [74] 开发初始提示 - 好的提示通常包含模型角色、任务说明、相关文本和响应要求等组件 [75] - 检查模型提示模板，将任务分解为具体步骤，尝试不同提示格式，包含请求理由、代表性示例、参考文献等内容 [76][77][79] - 提供“未知”或“不适用”选项，明确响应格式，检查边缘情况 [83][85][86] 评估模型性能 - 使用LLMs时需手动审查模型响应，评估响应的忠实性，设置特定上下文的指标阈值 [88][89][90] - 使用注释和验证指南，检查编码者间的可靠性，使用混淆矩阵总结分类模型性能 [91][92][93] 改进提示 - 根据验证结果分析不准确原因，改进提示，避免创建复杂提示导致过拟合 [95][96] 未来展望 - 世界银行和国际农业发展基金独立评估部门将继续探索AI在评估中的应用，注重风险承担、持续学习和跨专业对话 [97] - 需进一步研究、实验和合作，标准化和扩展评估LLMs性能的框架，分享实验经验和成果 [98]

财报预期与业绩表现 - 公司预计2026财年第一季度营收为430亿美元（±2%），Zacks一致预期为427.1亿美元，同比增长64% [1] - 季度每股收益共识预期为0.87美元，过去30天下调1美分，同比增长42.6%（上年同期0.61美元） [2] - 过去60天每股收益预期趋势：Q1下调6.45%，Q2下调4.85%，全年F1下调3.64%，F2下调2.37% [3] 业务板块驱动因素 - 数据中心业务预计营收385亿美元（同比+70.6%），受生成式AI、大语言模型及Hopper/Ampere架构GPU需求推动 [6][7] - 游戏终端市场预计营收32.9亿美元（同比+24.4%），渠道库存正常化及全球需求复苏 [8] - 专业可视化业务预计营收5.676亿美元（同比+32.9%），连续六季度增长 [9] - 汽车业务预计营收5.517亿美元（同比+67.7%），自动驾驶与AI座舱解决方案投资增加 [10] 股价与估值水平 - 过去一年股价上涨27%，跑赢半导体行业23.5%的涨幅，显著优于AMD(-30.1%)、美光(-24%)等同行 [11] - 当前12个月前瞻市销率15.48倍，高于行业13.26倍，较AMD(5.37X)、美光(2.48X)存在溢价 [13][16] 行业前景与竞争地位 - 生成式AI芯片需求推动收入增长，公司在营销、医疗、游戏等跨行业应用中占据主导地位 [17] - 全球生成式AI市场规模预计2032年达9676亿美元，2024-2032年CAGR为39.6% [18] - A100/H100/B100芯片成为构建AI应用首选，网络基础设施升级需求将持续利好公司 [19]