9月19日：男女混住师生同房名古屋亚运会离谱事件不断升级，往返住宿卫生，连日本队自己人都不满意了
5名男运动员和5名女运动员，组委会给她们分了5间双床房。
10个人，5间房，纸面上算得刚刚好。
水鸟寿思在的新闻发布会上把这组数字念出来的时候，语气很平，但谁都听得出问题出在哪。
他说分房“仅以人数为标准”。
这件事发生在歌诗达·赛琳娜号邮轮上。
，这艘意大利邮轮停靠在名古屋金城码头，拥有1500间客舱，赛事期间要接待约4000人。
邮轮“开村”是。
水鸟寿思说，从那天起，运动员陆续抵达办理入住，“整个过程耗时很长”，因为证件激活出了问题，有人等了好几个小时。
中国乒乓球队午间落地名古屋，直到傍晚才登上邮轮。
住在邮轮上的人，去乒乓球馆单程要1.5小时，往返3小时。
而住在集装箱房的运动员，有的要坐一个半甚至两个小时的班车才能到赛场。
集装箱房那边的情况，韩国人先开了口。
韩国篮球协会副会长郑在勇对法新社说，男篮住的集装箱小屋床铺太短，“身高超过两米的运动员躺在床上连腿都伸不直”。
床长195厘米，宽90厘米，双床中间只隔一条站得下一个人的走道。
韩国球员卞俊亨在社交媒体发了一段视频，画面里洗手池在漏水，地面积了水，配文只有一句：“请帮帮我们。
”
名古屋港“花园码头”设了约200栋集装箱式住宿设施，每单元约35平方米，塞4张床，预计住2000人。
名古屋下了一场创纪录的暴雨，住在集装箱房里的约400名运动员和工作人员被要求疏散到安全区域，两个小时后才陆续返回。
印度代表团的做法更直接。
他们在国内搭了两个跟集装箱房一模一样的“模拟仓”，两间小型双人卧室，两个卫生间，一个小厨房，让运动员提前适应。
水鸟寿思在发布会上还提到另外几种情况：教练和运动员被分到同一间房；随队理疗师要带大量精密医疗设备，但也被安排和别人合住，“存放设备”这件事在分房的时候没有被考虑进去。
日本奥委会提前在名古屋市内订了酒店。
水鸟寿思说，对于难以协调的情况，代表团“正考虑启用预先准备的备用住宿方案”。
东道主自己的队伍，在开赛前就需要准备一个B计划。
申办的时候，爱知和名古屋方面承诺的总预算是850亿日元。
到正式敲定的数字是约3700亿日元，其中大会本身开支约2980亿。
亚奥理事会和组委会在发过一份联合声明，说所有在报名截止前注册的17000余名运动员和官员“均已获得符合赛事标准的住宿保障”。
水鸟寿思在发布会上还确认了一件事：邮轮上出现了教练与运动员同住、男女运动员混住的情况-。
那5间双床房，男女各5人住进去的时候，不知道有没有人翻开那张房卡，看了一眼上面的房间号，然后站在原地想了一会儿。
OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型
Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。
这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。
此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。
这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。
此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。
这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。
嵌入数据代表了模型从数百万张卫星图像中学习到的内容。
OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。
Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。
该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。
其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。
不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。
这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。
在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。
亚马逊保护团队的MAAP监测项目报告了这一活动。
2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。
我们如何得知这一事实？ 嵌入数据给出了明确答案。
无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。
而同样的比较放在2020年至2024年间，这一面积降至9平方公里。
关闭行动的效果显而易见。
Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。
而在浏览器工具中，初步分析仅需几秒钟即可完成。
仅凭少量标签对某个区域进行分析，无需使用GPU。
当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。
OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型
Ai2（艾伦人工智能研究所）今日发布了一款卫星地图嵌入模型OlmoEarth v1.3，并为全球范围提供了多种分辨率下预先计算好的年度嵌入数据，同时配套推出了基于浏览器的地图制作工具。该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。
这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。
此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。
这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。
此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。
这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。
嵌入数据代表了模型从数百万张卫星图像中学习到的内容。
OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。
Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。
该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。
其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。
不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。
这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。
在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。
亚马逊保护团队的MAAP监测项目报告了这一活动。
2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。
我们如何得知这一事实？ 嵌入数据给出了明确答案。
无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。
而同样的比较放在2020年至2024年间，这一面积降至9平方公里。
关闭行动的效果显而易见。
Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。
而在浏览器工具中，初步分析仅需几秒钟即可完成。
仅凭少量标签对某个区域进行分析，无需使用GPU。
当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。
