T-Mobile和Verizon Wireless之間的關(guān)系日益微妙。
兩家公司正在達(dá)成一樁交易,根據(jù)交易條款,T-Mobile將以33億美元獲得Verizon Wireless的無線頻譜,此舉有助于T-Mobile向美國鄉(xiāng)村和人口稀少地區(qū)擴(kuò)張,但卻擋不住T-Mobile抨擊Verizon。
最新抨擊事例:質(zhì)疑Verizon長期上演的四大運(yùn)營商覆蓋范圍地圖廣告。
T-Mobile首席技術(shù)官內(nèi)維爾·雷(Neville Ray)周四在接受CNET采訪時(shí)說:“我真想毀掉Verizon的地圖廣告。”
T-Mobile打算通過兩條途徑解決問題:第一條也是最直接的途徑就是通過法律手段解決。該公司聲稱Verizon地圖廣告未能準(zhǔn)確反應(yīng)T-Mobile網(wǎng)絡(luò)全部覆蓋范圍。Verizon通過選擇性點(diǎn)亮LTE覆蓋范圍,主要是凸顯其自身優(yōu)勢。內(nèi)維爾還強(qiáng)調(diào),廣告中使用的來自T-Mobile網(wǎng)站的數(shù)據(jù)已經(jīng)過時(shí)。
內(nèi)維爾說:“使用我們網(wǎng)站過時(shí)的數(shù)據(jù)極具迷惑性,這正是我們質(zhì)疑的地方。”
內(nèi)維爾稱Verizon地圖廣告活動(dòng)及關(guān)注LTE市場覆蓋范圍是一種“有偏差的策略”。
公平地說,Verizon商業(yè)廣告明確指出其地圖就是對(duì)LTE覆蓋范圍做比較,該廣告活動(dòng)已持續(xù)很長時(shí)間,但Verizon不肯對(duì)法律訴訟直接評(píng)論。
一名Verizon代表說:“我們更希望在市場上競爭,而不是在法庭上競爭。我們的客戶清楚真正的4G LTE網(wǎng)絡(luò)體驗(yàn)是什么。”
內(nèi)維爾指出,Verizon地圖廣告上標(biāo)注的少量T-Mobile點(diǎn)代表該運(yùn)營商的所有覆蓋范圍,但卻不包含2G Edge網(wǎng)絡(luò)及HSPA+網(wǎng)絡(luò)覆蓋范圍。
T-Mobile和內(nèi)維爾計(jì)劃反擊的第二條途徑是增建網(wǎng)絡(luò)。周四,T-Mobile表示對(duì)2G Edge網(wǎng)絡(luò)升級(jí)。另外,T-Mobile還計(jì)劃使用從Verizon處獲得的頻譜向新區(qū)域擴(kuò)張。
內(nèi)維爾沒有披露利用700MHz Verizon頻譜的具體時(shí)間,但表示將在第四季度發(fā)布與該網(wǎng)絡(luò)兼容的手機(jī)。他預(yù)計(jì)T-Mobile與Verizon的頻譜交易將在今年第二季度完成。
內(nèi)維爾指出,升級(jí)2G網(wǎng)絡(luò)可通過升級(jí)網(wǎng)絡(luò)回程部分完成,也可通過使用速度更快的光纖將基站與核心網(wǎng)絡(luò)連接完成。
升級(jí)網(wǎng)絡(luò)旨在彌補(bǔ)T-Mobile最大弱勢:覆蓋范圍寬度較窄。T-Mobile一直關(guān)注在大市場上提供服務(wù),但在鄉(xiāng)村和人口稀少地區(qū)還較弱。
T-Mobile目標(biāo)是在今年底網(wǎng)絡(luò)覆蓋人口達(dá)2.5億,明年該目標(biāo)提高至2.8億人。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。