单一来源
当前只有一个可用来源，尚未完成多源交叉核验谷歌宣布免费升级 Google Fi 超级网络：Pixel 9 系列支持双 5G 网络自动切换和数百万 Wi-Fi 热点
IT之家 11 月 11 日消息，当地时间 11 月 10 日，谷歌宣布为旗下 Google Fi Wireless 推出全新的「超级网络」（Super Network），通过双 5G 蜂窝网络和数百万个 Wi-Fi 热点之间的自动切换，改善用户在室内、拥挤区域及偏远地区的网络连接体验。
谷歌 Google Store 与 Google Fi 副总裁 Mauria Finley 在官方博客中介绍称，该功能将面向符合条件的 Google Fi 用户免费提供。即日起，该功能陆续向 Pixel 9 及更新机型开放。
所有 Google Fi 套餐均可使用两张美国 5G 网络，当主网络信号减弱或连接中断时，手机能够实时切换至备用数据网络，以减少公路、乡村道路等区域的信号盲区。谷歌表示，这项技术采用 MEP（Multiple Enabled Profiles，多启用配置文件）技术，允许单个 eSIM 芯片同时承载并运行多个 SIM 配置文件，从而实现不同运营商网络之间的连接切换。
不过，该功能需要 Google Fi 通过 eSIM 激活，并关闭其他非 Fi SIM 卡，实际覆盖范围和网络表现还取决于设备配置、信号强度及电池状态。Wi-Fi 方面，谷歌推出扩展版 Wi-Fi Auto Connect+ 功能，可在全美数百万个地点自动连接高质量 Wi-Fi 网络，用户无需手动进入设置或登录公共热点。
谷歌称，该功能会通过自动加密保护连接，减少用户在机场、购物中心等人员密集场所使用蜂窝网络时遇到的拥堵问题。谷歌公布的数据显示，Wi-Fi Auto Connect+ 相较于附近的 Google Fi 蜂窝网络，连接可靠性提升至 2 倍，延迟改善 30%。
该功能目前支持 Pixel 5a 及更新机型，并将在北美、欧洲、亚洲和巴西的部分地点提供，同时逐步扩展至运行 One UI 9 或更高版本的三星手机，以及部分较新的摩托罗拉手机。在国际漫游方面，双网络切换和 Wi-Fi Auto Connect+ 均支持在海外使用。
其中，Unlimited Premium 套餐每人每月包含最高 50 GB 国际高速流量，Flexible 套餐每人每月包含最高 15 GB 国际高速流量，达到额度后网速降至 256 Kbps。
相关功能包含在这两种套餐中，无需额外付费，但国际连续使用时间不得超过 90 天。此外，Google Fi 应用还将新增 AI 客服智能体 Ask Fi，基于谷歌 AI 技术提供账户支持和故障排查服务。用户可以通过该功能咨询网络连接问题、账单等事项。
Evidence
来源与证据
当前仅有一个可用来源，尚未完成多源交叉核验。
- 发布时间
- 内容处理
- AI 翻译 / 摘要，需结合原文核对
相关资讯
OpenAI 第三季度营收跃升至 100 亿美元
OpenAI 第三季度营收跃升至 100 亿美元 20 分钟前 OpenAI 第三季度营收跃升至 100 亿美元。 OpenAI 第三季度营收跃升至 100 亿美元 techflowpost.com OpenAI 第三季度营收升至约 100 亿美元 消息称 OpenAI 第三季度营收跃升至 100 亿美元 同花顺财经 展开全部报道 专业版功能 体验专业版特色功能，拓展更丰富、更全面的相关内容。
谷歌最强 VLA 机器人模型：Gemini Robotics 2.5 登场，会系蝴蝶结、已在奔驰生产线上岗
IT之家 11 月 10 日消息，谷歌推出迄今为止能力最强的视觉-语言-动作（VLA）机器人模型 Gemini Robotics 2.5，大幅提升机器人可学习的技能广度与学习速度。该模型增强了机器人的灵巧度、可靠性与安全性，助力机器人走出实验室，进入更非结构化的真实环境，协助人类完成更多类型的任务。谷歌今年早些时候已为包括人形机器人在内的多种机器人引入全身智能。此次进展很大程度上得益于 Gemini 4 Argon 加速机器人研发的能力，进一步拓展了物理智能的边界。谷歌在超过 200 项不同任务中测试了 Gemini Robotics 2.5 的任务广度、性能与复杂度。Gemini Robot
上智院开源 1.9B 记忆模块 REMORY 可驱动小模型多日递归改进
上智院开源 1.9B 记忆模块 REMORY 可驱动小模型多日递归改进 5 分钟前 上海科学智能研究院研究员夏翰宸为第一作者、复旦大学教授朱思语为通讯作者的团队推出开源 RSI 模型 REMORY，仅用 1.9B 可训练参数、两张 H800 实现完全自监督训练，通过拟合上下文压缩产生的记忆残差，生成软记忆残差 token 附加到概要后供主模型使用，训练全程冻结基模权重，分两阶段仅更新记忆模块参数。该技术在多项评测中大幅减少工具报错与重复输出，降低生成开销，提升不同架构主模型的任务表现，还可驱动自动化科研智能体在跨数日的长周期科研任务中跨上下文边界延续记忆，支撑递归自改进，产出接近 GPT-
不靠外部裁判，统一多模态模型学会自己「看图改图」：修复成功率提升到 3 倍，GenEval 0.72→0.84
南洋理工大学、上海交通大学、东京大学的研究者提出 UMM-Reflection 方法，在开源统一多模态模型 BAGEL 上通过「反思 SFT 冷启动 + 整轨迹强化学习」训练完整的多轮「反思 — 修改」轨迹，让同一模型自主完成看图、诊断、修改与停止决策，推理无需外部打分器。该方法将初始错误图像的修复成功率从 20.6% 提升至 64.9%，GenEval 指标从 0.72 升至 0.84，其中空间位置分项从 0.47 跃升至 0.89，在训练未见过的 WISE 等基准上也有明显提升，效果远优于直接对生成器做强化学习。研究证实模型本身本就具备判断图像对错的能力，强化学习的作用是教会模型筛选出真正
AI 翻译、摘要和解读仅用于辅助判断；涉及重要决策时，请回到上方来源核实。