美媒评近5年最烂的5笔交易：湖人换来威少仅第五，太阳两笔上榜！

北京时间8月31日，在NBA里几乎每个赛季都会有糟糕的运作，这种运作要么是球队看走眼，要么就是被逼无奈做出来的，在今夏绿军交易布朗，被认为是糟糕的运作，而在今天美媒BR评选了过去5年最烂的5笔操作，一起来看看合理吗？

第五湖人得到威少，这笔交易相信大家都不陌生，在21年休赛期湖人组建了备受期待的360组合，当时湖人送出了他们的3位顶级蓝领：哈雷特、库兹马和波普换来了威少+2个次轮签，当时湖人组成的三巨头备受期待，但结果是三人都需要内线空间，加上球队角色球员配置太老了，最终连附加赛都没进，也正是因为这个赛季的失利，让威少彻底跌落神坛。

湖人也因为这笔交易彻底锁死了詹眉时代争冠的可能。

第四国王得到萨博尼斯，这笔交易说实话就当时的情况来说，不算亏，他们用两个年轻球员换来了正值巅峰的全明星，而且球队还有球星级控卫的情况下，这么做没问题，只是让外界没想到的是哈利伯顿会变得这么出色，国王送出了哈利伯顿、希尔德和TT，从步行者换来了小萨、兰姆、小霍乐迪和一个次轮签，步行者以此拿下了他们未来多年的基石，而国王虽然打进过一次季后赛，但现在小萨成了溢价合同，送走都难了。

第三太阳交易得到杜兰特，当时杜兰特逼宫离队，太阳看到了崛起的希望，他们的新老板一直希望引进大牌球员，于是送出了布里奇斯、克劳德和卡梅伦约翰逊三个超级3D，以及4个首轮签和1个首轮互换签换来了杜兰特，这笔交易当时太阳觉得还是很赚的，确实就当时杜兰特的能力来说，他值得这么多的选秀签，但关键是杜兰特在这里打了2个半赛季就离开了，球队送出了这么多，还没有取得成功，让谁看都会说这笔交易太阳亏了。

第二太阳交易得到比尔，在杜兰特加盟之后，老板伊什比亚就沉不住气了，想学篮网的建队模式，于是找到奇才想要换比尔，当时太阳送出了保罗和沙梅特，以及5个次轮签和4个首轮互换签，这笔交易虽然不是直接给的无保护首轮，但是比尔这笔交易确实是比杜兰特更亏，因为加盟之后出勤率太低，根本没有打出球星应有的表现，更为关键的是交易送不走，太阳只能买断他，结果未来多年太阳都有2000万的死钱。

第一独行侠交易东契奇，这笔交易排在第一估计不会有球迷觉得不合理，NBA史上最无脑的交易或许没有之一，人家其他交易球星，像当年雄鹿交易贾巴尔、76人交易张伯伦，都是因为球星不满，没办法了，而独行侠这是在东契奇愿意一人一城终老的情况下，硬是把他给送走了，而且还没有通知他，沦为了哈里森权力斗争的一部分，最终哈里森也因为这笔无脑交易被裁，只是换来了浓眉、克里斯蒂和1个首轮签，现在浓眉也走了，亏麻了。

话说到这，大家对于这5笔交易有什么想说的？欢迎留言讨论。

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。