
T-Mobile和Verizon Wireless之间的关系日益微妙。
两家公司正在达成一桩交易,根据交易条款,T-Mobile将以33亿美元获得Verizon Wireless的无线频谱,此举有助于T-Mobile向美国乡村和人口稀少地区扩张,但却挡不住T-Mobile抨击Verizon。

最新抨击事例:质疑Verizon长期上演的四大运营商覆盖范围地图广告。
T-Mobile首席技术官内维尔·雷(Neville Ray)周四在接受CNET采访时说:“我真想毁掉Verizon的地图广告。”
T-Mobile打算通过两条途径解决问题:第一条也是最直接的途径就是通过法律手段解决。该公司声称Verizon地图广告未能准确反应T-Mobile网络全部覆盖范围。Verizon通过选择性点亮LTE覆盖范围,主要是凸显其自身优势。内维尔还强调,广告中使用的来自T-Mobile网站的数据已经过时。
内维尔说:“使用我们网站过时的数据极具迷惑性,这正是我们质疑的地方。”
内维尔称Verizon地图广告活动及关注LTE市场覆盖范围是一种“有偏差的策略”。
公平地说,Verizon商业广告明确指出其地图就是对LTE覆盖范围做比较,该广告活动已持续很长时间,但Verizon不肯对法律诉讼直接评论。
一名Verizon代表说:“我们更希望在市场上竞争,而不是在法庭上竞争。我们的客户清楚真正的4G LTE网络体验是什么。”
内维尔指出,Verizon地图广告上标注的少量T-Mobile点代表该运营商的所有覆盖范围,但却不包含2G Edge网络及HSPA+网络覆盖范围。
T-Mobile和内维尔计划反击的第二条途径是增建网络。周四,T-Mobile表示对2G Edge网络升级。另外,T-Mobile还计划使用从Verizon处获得的频谱向新区域扩张。
内维尔没有披露利用700MHz Verizon频谱的具体时间,但表示将在第四季度发布与该网络兼容的手机。他预计T-Mobile与Verizon的频谱交易将在今年第二季度完成。
内维尔指出,升级2G网络可通过升级网络回程部分完成,也可通过使用速度更快的光纤将基站与核心网络连接完成。
升级网络旨在弥补T-Mobile最大弱势:覆盖范围宽度较窄。T-Mobile一直关注在大市场上提供服务,但在乡村和人口稀少地区还较弱。
T-Mobile目标是在今年底网络覆盖人口达2.5亿,明年该目标提高至2.8亿人。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。