位於馬里蘭州的約翰霍普金斯大學（Johns Hopkins University）即將升級其戰爭遊戲工具，以協助五角大廈。這所大學的兩個基於人工智能的戰爭遊戲工具將利用一些機密資料來支持國防部的某些計劃。這項升級計劃的目的是使這些工具的新版本能夠利用有關美國對手的關鍵數據，幫助揭示敵方在實際戰爭條件下的弱點。

根據最新的努力，該大學的應用物理實驗室（APL）將升級其人工智能增強的戰爭遊戲工具，包括「生成式戰爭遊戲」（GenWar）和「戰略人工智能遊戲引擎」（SAGE）。戰爭遊戲不僅增強了人類的判斷能力，還長期以來被視為理解人在複雜和不確定環境中如何做出決策的重要方法，並利用經驗學習的力量來達成這一目標。

傳統的戰爭遊戲雖然能深入了解在壓力下決策的過程，但由於對專家進行的指導和繁瑣的設計流程，這些遊戲的擴展性和速度受到限制。APL表示，生成式戰爭遊戲（GenWar）是一種下一代能力，結合了生成式人工智能、建模與模擬（M&S）以及人類專業知識。GenWar使得該機構能夠在幾天內構建和運行戰爭遊戲，並大規模分析數十個替代未來場景，將人類的注意力集中在最需要深入思考的情境上。

國家安全分析部門負責人安德魯·馬拉（Andrew Mara）表示：「國防部的高層領導已經尋求這樣的工具超過十年，我認為我們終於來到了需求信號與技術相一致的時刻。」他補充道：「結合APL的卓越團隊，我們有機會改變國家安全社區中戰爭遊戲的本質。」

APL的另一個人工智能增強的戰爭遊戲工具SAGE本周已進入測試階段，參與試玩的包括前五角大廈高級官員。據報導，與GenWar相比，SAGE在某些方面甚至更具雄心：它利用生成式人工智能來替代人類玩家。APL的政策和分析助理主任詹姆斯·米勒（James Miller）表示：「人工智能戰爭遊戲的價值在於能夠探索比人類能夠做出的更廣泛的選擇，發現人類未曾考慮的奇特例外，並找到重複出現的模式。」他指出：「這就是為什麼要引導人類去思考的原因。」

在歷史的長河中，拿破崙的俄國撤退事件無疑是最具悲劇色彩的一幕。1812年，拿破崙率領約50萬至60萬名士兵入侵俄國，期望能迅速征服這片遼闊的土地。然而，他們在莫斯科遭遇嚴重孤立，最終決定於秋季撤退，卻未曾預料到俄國的寒冬將比敵軍的攻擊更為致命。在1812年10月19日至12月14日之間，拿破崙的軍隊遭遇了毀滅性的損失，近30萬名士兵在嚴寒與疾病的折磨下喪生。這場撤退的悲劇，不僅是軍事上的失敗，更是生命的無情代價。

根據最近發表於 bioRxiv 的一項研究，當時一位名為 J.R.L de Kirckhoff 的醫生記錄了士兵們所遭受的疾病，特別提到傷寒。這項研究的作者們指出，雖然傷寒的存在不容忽視，但士兵們所面臨的其他疾病也同樣值得深入探討。研究人員利用先進的古DNA技術，重新分析了來自拿破崙士兵的樣本，首次直接證實了導致這支軍隊崩潰的病原體。

研究團隊從位於立陶宛維爾紐斯的一處集體墓穴中提取了13顆士兵的牙齒樣本，並從中獲得了約2,000萬次的DNA讀取。初步分析後，研究者們確定了14種可能的病原體，進一步的評估則確認了兩種細菌的存在：Salmonella enterica（引起副傷寒）和Borrelia recurrentis（引起虱傳回歸熱）。這些病原體的發現，揭示了拿破崙軍隊崩潰的真正原因。

Salmonella是一種通過被污染的水或食物傳播的疾病，與傷寒相似，而虱傳回歸熱則會引發高燒、肌肉疼痛和極度虛弱的症狀。一些研究早前發現拿破崙士兵身上存在蝨子，並檢測到Rickettsia prowazekii的DNA片段，而最新研究卻未能檢測到這些病原體的痕跡。這表明過去認為這些病原體影響了士兵的觀點是錯誤的。

研究者進一步指出，飢餓的士兵為了生存，開始食用存放在立陶宛廢棄房屋中的醃製甜菜。這些鹽漬甜菜在每家每戶都有，士兵們喝著甜菜汁，吃著醃菜，結果導致腹瀉，進一步損害了他們的腸道健康。根據描述，這些症狀與副傷寒的表現相符。而士兵們制服上的蝨子，則進一步削弱了這些體虛的士兵。

這一歷史謎團在錯誤信息與虛假說法的包圍下終於迎來了真相。這項發表於 bioRxiv 的研究提供了首個直接證據，證明副傷寒而非傷寒，才是造成拿破崙軍隊巨大死亡人數的主要原因。透過這項研究，歷史學者得以重新審視這段悲劇，並為那些在寒冬中喪生的士兵們伸張正義。

在材料科學中，大多數材料在加熱時會膨脹，這是因為溫度上升使得原子振動加劇，彼此之間的距離變得更遠，從而佔據更多的空間。然而，delta-鈈（delta-plutonium）卻打破了這一普遍規律。在室溫以上的條件下，delta-鈈意外地收縮而非膨脹，這一現象令科學家困惑了數十年。最近，加州勞倫斯利弗莫爾國家實驗室（LLNL）的研究人員在《物理學進展報告》上發表了一項新研究，提出了一個詳細的模型，該模型不僅能夠重現這種反直覺的熱行為，還解釋了其背後的物理原理。

通過計算材料的自由能，這一模型提供了對delta-鈈獨特且往往不可預測的性質的更深層理解。自由能是衡量系統內可用的有用能量的指標，這對於研究特定物質至關重要。LLNL的科學家Per Söderlind表示，自由能在決定材料狀態方面是一個基本因素，亦是預測鈈在不同條件下行為的關鍵。這些預測的準確性在很大程度上取決於對鈈的電子結構和自由能的深入理論理解，這兩者都是解釋其異常及反直覺性質的關鍵。

在所有元素金屬中，鈈以其電子結構的極端複雜性而脫穎而出，這種複雜性源於相對論、磁性和晶體排列之間的相互作用。這項研究首次開發出一個考慮了磁波動影響的自由能模型，這使得科學家能夠更全面地理解影響鈈獨特行為的微妙力量。通過考慮磁狀態隨溫度的變化，這個模型準確地再現了delta-鈈在高溫下收縮的異常實驗觀察，這一創新方法不僅為鈈的複雜熱學與電子性質提供了新見解，還可能擴展到其他材料，如鐵及其合金，這些材料在地球物理學中具有重要意義。

展望未來，研究團隊希望擴展模型，納入微觀結構、缺陷及其他在現實鈈樣本中自然存在的不完美因素。這些因素可以顯著影響材料的行為和性質，因此納入這些因素將有助於創建更全面的理解。通過捕捉這些細微差異，研究團隊希望顯著提高對鈈在現實應用中性能的預測準確性，包括其在不同環境條件下的穩定性。這種更深層的理解還可能導致更安全的處理方法、更好的材料設計以及在各種技術中更有效的元素使用。

來自加州大學和德國卡塞爾大學的研究團隊開發出一種利用精確激光技術來暫停硅的超快融化現象的方法。這項新技術的出現，可能為在極端條件下控制材料行為開闢新的可能性。科學家們長期以來一直在努力確定激光束對硅造成的變化究竟是由簡單的加熱效應（熱效應）還是直接破壞原子鍵的影響（非熱效應）所造成的，因此這項突破性研究的意義不言而喻。

研究人員深入探討了強大且超快的激光脈衝如何影響硅的原子排列，硅是電子學和太陽能技術中的關鍵材料。透過先進的計算機建模，他們證明單個高能激光脈衝可以在極短的時間內將硅融化，這段時間甚至少於一兆分之一秒。這一現象被稱為非熱融化，因為它發生得太快，以至於原子在顯著加熱之前便已經失去了原本有序的排列。

通過將激光能量分為兩個獨立的脈衝並精確同步，科學家們成功地在融化過程中暫停了這一現象，並將材料鎖定在一種新的亞穩態中。這一過程是通過一種稱為「從頭計算分子動力學」的方法來實現的，該方法基於物理學的基本原則來模擬原子和電子的行為。利用先進的計算機模擬，研究團隊將激光束分割為兩個脈衝，兩者之間的時間間隔為126飛秒（即0.000000000000126秒）。

實驗顯示，雖然初始的激光脈衝促使原子運動，但第二個脈衝則以一種方式干擾這種運動，防止原子失去其有序排列。由於這種方法的運用，材料在吸收了足夠的能量觸發融化的同時，卻能暫時保持固態。更有趣的是，研究團隊發現，這種亞穩態保持了大部分原始晶體硅的電子特性，包括略微縮小的能帶隙，這在決定材料導電性方面是關鍵因素。

此外，科學家們觀察到，處於這種狀態的原子振動或聲子表現出比預期更冷且更穩定的特性，這表明第二個脈衝有效地將原子「凍結」在原位。這一新技術顯示出可以通過精確的激光時機來控制超快的原子變化。這項研究還暗示，該方法可以擴展到其他具有類似行為的材料，從而可能促進新相態的形成或提高研究能量在電子和原子之間移動的實驗準確性。

研究作者認為，未來的研究可以集中在針對各種材料改進這一技術，以獲得對光-物質相互作用物理的更深入理解。他們在摘要中指出：「這一機制可以推廣到其他材料上，潛在地實現結構和/或電子轉變到亞穩態，在高激發範圍內實現。此外，我們的方法還可以用來關閉實驗中的非熱貢獻，從而更輕鬆地獲得可靠的電子-聲子耦合常數。」這項研究成果已發表於《通訊物理》期刊中。

一家中國公司近期為挖土機的生產過程交付了一套智能系統，該系統旨在實現生產的自動化。國自機器人（Guozi Robotics）向TZ集團的綠地工廠提供了近200台各類型的機器人，這些機器人配備了智能導航和靈活協作的技術，已經自動化了從生產到最終發貨的每一個步驟。這些創新系統不僅具備多代理派遣和靈活協作的能力，還能夠進行有效的互動，從而簡化生產流程。多機器人協同生態系統的建立，正在重新設計傳統的生產模式，為企業帶來真正的靈活性。

在每個工作站安裝的移動機器人群體，能夠通過動態路徑規劃執行精確的物料轉移。這些機器人由門式機器人、協作機器人、周轉單元及其他定制設備組成，能無需重新更換工具的情況下完成複雜的高混合作業。根據TZ集團的說法，無接觸的電源軌道確保了24/7的正常運行。國自機器人的ANTS系列及重型機器人也在現場投入運作，該項目依賴於國自自主開發的邊線控制系統（Line-Side Control System，LCS）和製造執行系統（MES），實現了車間設備與工廠管理之間的無縫數據整合。

國自機器人的重型機器人系列，尤其是ANTS和挑選機器人，已在全球多家燈塔工廠中推動了智能生產，包括中聯重科（Zoomlion）、徐工（XCMG）及三一重工（Sany）。TZ集團的項目再次證明了國自在建築機械行業提供全面、未來準備的智能製造和智能物流解決方案的能力。這家總部位於中國杭州的公司聲稱，已經向來自20個國家的超過1,000位客戶提供了機器人，並在報告中指出，其重型機器人系列已在全球多個燈塔工廠中發揮了重要作用。

早在今年，國自與Staples慶祝了雙方戰略合作夥伴關係的第九個年頭。兩家公司簽署了兩項戰略合作協議，根據《機器人報告》，國自為Staples提供了超過1,000台機器人。這些機器人正通過厘米級的協調重塑物流。國自表示，在三維分配網絡中，物料被分為大型、中型、小型和標準部件，ANTS提升的自動導引車（AGV）、挑選的多層機器人和重型運輸車輛均能自動與貨架、托盤和箱子進行接口。

國自透露，其基於人工智能的RCS系統能夠以厘米級的精度協調數百台AGV，支持多種零件調用模式，並通過智能挑選和動態存儲的配對，提供從倉庫到工作站的端到端可見性。該公司聲稱，其產品系列包括智能檢測和物流解決方案，使其在生產能力、產品多樣性和實際應用方面成為行業領導者。國自還開發了一系列綜合的挑選AGV產品，包括雙深度觸及、自適應和雙桅杆型號。其自主開發的集成軟件GRACE Xpress提供了強大的功能，例如全過程模擬，顯著縮短了現場部署周期，並利用深度學習算法實現AI驅動的自適應位置校準，快速提高AGV運行過程中的存儲定位精確度。此外，國自的機器人系統還能與用戶的上層業務系統實現無縫的定制集成。

考古學家在秘魯亞馬遜地區的發現引起了廣泛關注，他們揭露了 200 個古代結構及兩個屬於查查波亞文明（Chachapoya，亦稱「雲端戰士」）的儀式石頭。這個文明在公元 200 年至 1500 年期間，於秘魯的雲霧森林中繁榮發展，生存高度超過 3,000 米。查查波亞人以其著名的庫埃拉普（Kuelap）要塞及獨特的懸崖葬禮而聞名，但有關該文明的歷史知識，主要仍依賴印加及西班牙的記錄，導致對其文化的了解相對有限。

這次新發現的遺址，經過幾個世紀的雲霧森林保護，利用先進的 LiDAR 技術和空中測繪技術揭示。這些工具使研究人員能夠穿透密集的樹冠，發現了 200 個獨特的結構及儀式石頭。這些文物上的設計暗示了與其他文明的文化交流，顯示查查波亞人與周邊社會的互動。這些發現由秘魯考古學研究所 INAAK 在拉哈爾卡（La Jalca）地區的奧拉佩考古遺址進行，預計將顯著改變過去對查查波亞的認識。

在秘魯亞馬遜地區的發掘工作，揭示了儀式石頭和 200 個古代結構，這一成果由 INAAK 的 Facebook 宣佈。這個名為 Xalca Grande 考古研究項目的合作，結合了考古學和人類學研究所及 UNTRM 地理信息研究實驗室，標誌著秘魯考古學的一個重要時刻。根據報導，這次發現揭示了上烏圖卡班巴（Upper Utcubamba）地區的前西班牙歷史，進一步豐富了該區域的文化背景。

研究人員利用 LiDAR 技術和無人機探測，揭露了隱藏在雲霧之下的結構，這些調查顯示出該山區擁有一個互相連接的定居網絡，分佈於險峻的地形中。這 200 個建築的規模和多樣性驚訝了考古學家，這些建築包括儀式空間和圓形結構，並且裝飾有獨特的建築浮雕。考古學家在這些發現中還注意到一種獨特的鋸齒形設計，這進一步證明了查查波亞人是一個廣泛且高度成熟的社會，擅長於適應惡劣的地理環境。

在這次發掘中，考古學家強調了兩個儀式石頭的重要性，這些石頭位於圍牆上，似乎是故意放置的，推測其背後擁有更深的象徵意義。儘管這些石頭的具體意義仍然是一個謎，但它們提供了新的文化視角。特別值得注意的是，考古學家發現這些石頭與查維文化（Chavín）有藝術上的相似性，而查維文化的歷史時間跨度是在公元前 900 年至公元前 200 年。儘管兩個文明之間存在著顯著的時間差距，這些風格上的相似卻顯示出秘魯地區的文化傳統在歷史上可能存在延續。

隨著發掘工作的持續進行，考古學家預計將會發現更多查查波亞的珍貴文物。這些分散在地形中的定居點顯示出他們的影響力超越了著名的庫埃拉普要塞。與其他遺址不同的是，奧拉佩複合體顯示出查查波亞人在這一地區的存在更加普遍且複雜，超出了考古學家之前的理解。這個被稱為「儀式複合體」的遺址，表明其可能具有特定的功能，進一步讓考古學家能夠深入了解這個迷人的山地文明的信仰系統和儀式實踐。隨著 LiDAR 技術的應用，對這個秘魯社會及其遺產的理解將進一步加深。

中國工業和信息化部（MIIT）近日披露，電動車巨頭比亞迪（BYD）將發佈其揚望（Yangwang）U9 的賽道版（Track Edition），此款新車型將把U9原本驚人的性能提升至3,019 馬力（約 2,251 kW），幾乎是原有性能的三倍。賽道版通常會在車身設計上進行調整，以提高空氣動力學性能和下壓力，並且通常配備更大的煞車系統。

目前的揚望U9搭載四個電動馬達，提供約1,300 馬力（約 970 kW）的動力，但根據MIIT的資料，比亞迪似乎已經為這款新版本升級至每個車輪各自配備555 kW的馬達。如此大的動力使得新的U9在現有的量產電動超跑中無可匹敵，甚至超越了如Lotus Evija（1,972 馬力）和Rimac Nevera（1,914 馬力）等其他超跑，擁有相當大的優勢。

揚望U9賽道版的自重為5,467磅（約2,480公斤），僅比Rimac Nevera重441磅（約200公斤），而後者的動力卻遠低於U9。新款U9的長度介於16.3英尺（約4.97米）和16.37英尺（約4.99米）之間，寬度則為6.6英尺（約2米），高度在4.3英尺（約1.311米）至4.43英尺（約1.351米）之間，軸距為9.51英尺（約2.9米）。報導指出，U9賽道版將大致保留現有基本型的設計，外觀上採用光澤紅與黑色的配色，配備20英寸的輪圈和325/35 R20的輪胎，碳纖維車頂以及大型固定碳纖維後擾流板，並提供多種空氣動力學選項。

當前的U9型號搭載80 kWh的磷酸鐵鋰BYD刀片電池，實現CLTC標定的280英里（約450公里）續航。其餘特點包括500 kW的直流快充能力，使充電狀態從30%提升至80%僅需約10分鐘。揚望U9的懸掛系統為比亞迪的「DiSus-X」系統，具備極端的運動能力，能夠輕鬆應對坑洞或者以三個輪子行駛。

儘管U9賽道版的更多具體規格尚未完全披露，但可以從現有基本型號中獲得一些信息。當前的U9能在2.36秒內從0加速至62英里每小時（0–100公里每小時），而賽道版有望挑戰或超越目前由Mercedes-AMG One保持的公路合法車輛環形賽道記錄。基本型號在2024年11月已在德國的Nürburgring Nordschleife完成了7分鐘17.9秒的圈速。舊款的最高時速已經達到243.5英里每小時（約391.94公里每小時），升級版的U9很可能會更快，但詳細的數據尚未公開。目前並未提及價格，但現有基本型號的售價約為$233,411 / 約 HK$ 1,820,000。

根據資料顯示，這款即將推出的版本不僅僅是帶有擾流板的「賽道套件」U9，它承諾將是一款大幅升級的電動超跑，可能會挑戰歷史上最快的燃油車輛，同時彰顯中國電動車工程技術的極限。

在過去幾十年中，物理學家們一直在探討量子距離，這是一種衡量兩個量子態相似性或差異性的方法。在這個奇特的尺度中，距離為一意味著兩個量子態是相同的，而零則表示它們是完全相反的。儘管這一理論已存在很長時間，但在實際材料中直接測量量子距離仍然是難以實現的，因為這不僅需要觀察電子，還需要理解它們在量子層面的微妙幾何，這在固體材料中極為困難。最近，一組國際研究人員首次成功實現了這一看似不可能的任務，實驗性地測量了真實晶體中電子的量子距離。

這項研究的作者之一、韓國延世大學的物理學教授金圭洙（Keun Su Kim）指出，「測量量子距離對於理解固體中的異常量子現象至關重要，包括超導體等特殊現象，還有助於推動我們的量子科學和技術發展。」根據金教授的說法，準確測量量子距離將有助於開發容錯量子計算技術，這對未來的量子計算機設計至關重要。為了研究量子距離，研究人員選擇了黑磷（black phosphorus），這是一種元素層狀晶體，結構簡單且易於理解。這種簡單性使其成為探測電子量子幾何的理想材料。

在測量黑磷中的量子距離時，科學家們使用了一種名為角分辨光電子能譜（ARPES）的方法，該方法能夠繪製電子在材料內部的行為圖譜。研究小組進一步分析了光的偏振如何影響結果，從而重建材料價帶中電子的偽自旋結構。簡而言之，研究人員觀察了電子的一種內在特性，即量子取向，如何在動量空間中變化，這涉及所有可能的電子運動的地圖。由於這需要極為精確的測量，他們使用了美國高能同步輻射光源（Advanced Light Source）提供的同步輻射，這是一個全球最先進的高強度、可調光束的光源設施。

從這些數據中，研究團隊能夠直接計算量子距離，更重要的是，計算出完整的量子度量張量，這是一種數學對象，描述量子態的幾何結構。這是首次在固體中完整測量到布洛赫電子（在晶體中運動，由晶體的原子重複模式形狀所決定）的量子度量張量，這一成果具有重要意義。研究作者指出：「在這項工作中，我們報告了使用黑磷作為代表材料，對固體中布洛赫電子的完整量子度量張量進行的直接測量。」

測量量子距離不僅僅是出於好奇，還可以幫助解釋材料中的不尋常行為，例如為何某些固體在高溫下會變得超導，或為何有些材料在導電時沒有電阻。這一研究成果也可能指導容錯量子計算機的設計，在這種計算機中，對量子態的精確控制至關重要。然而，這僅僅是開始，目前該方法僅在黑磷中的受控條件下演示。將其應用於更複雜的材料，特別是那些具有強電子相互作用的材料，將更加具有挑戰性。研究人員希望將其工作擴展到更廣泛的晶體系統，為改善半導體、提升超導體性能以及實現實用的量子技術鋪平道路。這項研究已發表在《科學》期刊上。

來自中國的研究者開發出一種新方法，能夠準確地估算電動車（EV）電池的充電狀態（SOC）。這項技術突破為電動交通和能源儲存領域的眾多進展開啟了大門。這項成就來自於淮陰工業學院的研究團隊，能夠為用戶提供更準確的充電狀態估算，從而延長電動車的行駛範圍信心。這種方法的實施能夠減少電動車的續航焦慮，進一步鼓勵更廣泛的電動車接受度。隨著充電狀態的準確性提高，駕駛者能夠信任他們車輛的行駛範圍指示，這對於推動電動車的普及具有重要意義。

研究者還指出，這種方法能夠準確追蹤電池狀態，從而促進更高效的快速充電協議，讓充電速度最大化的同時保護電池健康。這意味著未來的電動車將能夠更快地充電，而不會損害電池壽命。此外，使用此技術的大型電池儲能系統還能為電網提供更可靠的服務，進一步增強可再生能源的整合。未來的研究可能會將這一方法擴展到不同的電池化學成分，如磷酸鐵鋰（LiFePO4）和多單元電池模組，潛在地創造一個通用的電池管理解決方案。根據新聞稿，這種方法的計算效率使其適合於現有的電池管理系統，而無需進行硬體升級。

這項研究發表於《綠色能源與智能交通》期刊，研究者們揭示了氣-液動力學模型的建模原則，並提出了一種基於該模型和具有監控功能的雙擴展卡爾曼濾波器的SOC估算方法。根據研究，所提方法與一般的擴展卡爾曼濾波器和雙擴展卡爾曼濾波器方法在五種工作條件下進行了全面比較。研究結果顯示，基於氣-液動力學模型的三種方法均具有良好的估算準確性，在正確的初始條件下，最大SOC誤差僅為0.016。儘管如此，所提方法在對於大初始誤差、累積誤差和稀疏數據的穩健性方面具有顯著優勢，這為高效的在線SOC估算提供了新的見解。

這項創新的SOC估算方法代表了電池管理技術的一次重大突破。結合氣-液動力學模型與先進的雙擴展卡爾曼濾波器，並具備監控功能，這項研究解決了多年來制約電池管理系統的基本挑戰。隨著電動車和可再生能源儲存的快速增長，這項技術有望提升可靠性，延長可用電池壽命，最終加速可持續交通和能源系統的過渡。研究者強調，所提方法在正常條件下的最大SOC誤差僅為0.016（1.6%），這一精確度對於可靠的電動車行駛範圍估算至關重要。當面臨50%的重大初始誤差時，新方法能在僅僅5秒內自我修正，而傳統方法則需要超過100秒，這一改進在恢復速度上達到了20倍的提升。這項技術的發展不僅有助於提升電動車的性能，還必將為未來的能源管理和可持續發展奠定基礎。

根據最新的傳聞，Google 的 Pixel 10 系列可能會更加重視 eSIM 技術，並因此大幅減少對實體 SIM 卡的支持。隨著近年來 eSIM 技術的顯著進步，特別是 Apple 最新的 iPhone 在美國市場已不再支持實體 SIM 卡，這一改變似乎是行業趨勢的反映。然而，在 Android 平台上，eSIM 的普及仍面臨挑戰，使用體驗並不總是理想，儘管其持續改善中。

根據知名爆料者 Evan Blass 的說法，Pixel 10、Pixel 10 Pro 以及 Pixel 10 Pro XL 將不再支持實體 SIM 卡，而是改為支持兩個 eSIM 插槽。這一改變意味著早期的 Pixel 系列僅支持一個 eSIM，將在新系列中獲得提升。不過，據說 Pixel 10 Pro Fold 仍將保留對實體 SIM 卡的支持。這一消息確實出乎意料，因此需要謹慎對待。

值得注意的是，Blass 的這篇文章開頭使用了「小道消息」的措辭，這在他的以往爆料中並不常見。此外，早期的 CAD 基礎泄露顯示所有設備都配有 SIM 卡托，而最近的原型設備泄密圖像也同樣顯示了 SIM 卡托的存在。因此，這一消息的可靠性仍待進一步驗證。目前，關於 Pixel 10 系列的許多圖片泄露中，缺乏顯示 SIM 卡托的清晰視圖。在後續的推文中，Blass 也提到，目前唯一的數據點是美國市場。

對於 Google 是否會將實體 SIM 卡的支持去除，這引發了廣泛的討論。對於不同的用戶來說，這一改變可能會引起不同的反應。有些用戶可能會擔心失去實體 SIM 卡的靈活性，特別是在旅行時需要更換運營商的情況下；而另一些用戶則可能會對 eSIM 的便利性表示認可，因為這樣可以減少物理插槽的使用，從而提高設備的防水性和整體設計感。隨著技術的發展，消費者的需求和習慣也在不斷變化，未來的市場走向將如何演變，依然值得關注。

最近在網上出現了不少用戶對 YouTube 演算法的不滿，許多用戶反映他們收到的影片推薦相當糟糕。事實上，YouTube 的推薦系統本身可能並不是問題的根源，而如果出現不合適的內容，解決方法也相對簡單。用戶觀看的影片類型以及他們回訪的頻道或影片，這些都會影響到 YouTube 的推薦結果。當用戶在登入狀態下觀看影片時，YouTube 會根據當前的觀看歷史，提前為用戶準備新的建議影片。

如果想要避免這種情況，可以選擇登出帳戶或暫停觀看歷史的記錄。這樣做可以暫時凍結 YouTube 的演算法，讓它不再基於最近的觀看歷史進行推薦。然而，當用戶開始看到一些奇怪或不合常理的影片推薦時，可能會感到困惑。這類影片通常是基於用戶目前觀看的內容而推薦的，因此如果用戶的觀看選擇有所變化，推薦的結果也會隨之改變。

YouTube 在過去幾年不斷調整其演算法，並引入機器學習技術來優化內容推薦的準確性。但如果用戶發現推薦的影片依然不合適，這往往是因為演算法仍在基於用戶的觀看習慣進行推送。此時，建議用戶可以手動重設推薦內容，以獲得更符合自己喜好的影片建議。

有時候，家庭成員使用同一帳戶也可能影響到推薦結果。在這種情況下，用戶可以選擇清除觀看歷史，以便重新開始獲取推薦內容。具體操作方法如下：

YouTube 應用程式：
1. 點擊「你」的選項。
2. 在「觀看歷史」旁邊，選擇「查看所有」。
3. 點擊右上角的三點選單，然後選擇「清除所有觀看歷史」。

YouTube 網頁版：
1. 在側邊選單中點擊「你」。
2. 在「觀看歷史」旁邊，選擇「查看所有」。
3. 點擊「清除所有觀看歷史」。

如果希望從帳戶層面關閉觀看歷史，以便全面重設 YouTube 的推薦內容，用戶可以進入其 Google 帳戶儀表板，並完全關閉 YouTube 的歷史記錄。用戶也可以選擇關閉個性化廣告，這在 YouTube 推出 AI 年齡驗證後會自動對未成年人關閉。這些步驟可能需要一些時間才能生效，但通常可以讓 YouTube 應用重新設定其推薦系統。從那時起，觀看不同類型的內容將有助於獲得更符合期望的結果。