美媒评近5年5笔最烂交易！太阳两次上榜，湖人得到威少仅第5
在NBA，有的交易双方互有胜负，有的则在多年后成为笑柄。
但有些交易，从一开始就注定是“单方面被宰”，并且随着时间的推移，伤口越来越深。
美媒Bleacher Report盘点了过去5年最糟糕、最具破坏力的5笔交易，一起来看看。
5、湖人交易得到威少（2021年）
交易：湖人送出库兹马、波普、哈雷尔和2021年首轮22号签，从奇才得到威少和两个次轮签。
2020年夺冠后，湖人本应该围绕詹眉配置一位能拉开空间、能防守的球星，但威少的到来堪称“灾难级”。
威少没有无球价值、防守走神、投篮选择极其糟糕，三分命中率仅为29.7%。
他在场的净效率甚至不如坐在场下，最终迫使詹姆斯和浓眉在常规赛透支体力。
为了送走威少，湖人还被迫在2023年搭上2027年首轮签，吃下范德比尔特的溢价合同。
回过头看，湖人当初留下库兹马和波普，都会比这笔交易强得多。
4、国王将哈利伯顿换成萨博尼斯（2022年）
交易：国王送出哈利伯顿、希尔德和特里斯坦·汤普森，从步行者得到萨博尼斯、贾斯汀·霍勒迪、兰姆和一个次轮签。
当时这笔交易被认为国王向季后赛发起冲刺的关键操作，而2023年国王确实终结了长达17年的季后赛荒。
但事实证明，这是“饮鸩止渴”。
国王的辉煌极其短暂，福克斯如今早已离队，萨博尼斯正陷入负资产，国王又重新回到了联盟垫底的行列。
与此同时，哈利伯顿已经成长为步行者的绝对核心，带领球队杀入总决赛，成为全联盟最顶级的进攻组织者。
以国王近年的管理水平，即便哈利伯顿留队，也未必能兑现如此高的上限，但这更加剧了他们这笔交易的“悲剧色彩”。
3、太阳交易得到杜兰特（2023年）
交易：太阳送出布里奇斯、卡梅隆·约翰逊、克劳德、四个首轮签和一个首轮互换权，从篮网得到杜兰特和TJ·沃伦。
当一位球星指定下家时，通常交易价值会大幅缩水。
但杜兰特在明确指定去太阳的情况下，篮网依然敲诈到了极其丰厚的回报。
太阳为了得到37岁的KD，透支了未来半个十年的选秀权，但最终只换来两次首轮游。
更惨的是，杜兰特在太阳体系下不仅未能产生预期的统治力，还因更衣室问题被再次交易。
太阳将他送往火箭时，只换回了一枚首轮签。
从4个首轮+2个核心年轻锋线，到最后只收回来1个首轮，太阳的这笔交易堪称“资产蒸发”。
2、太阳交易得到布拉德利·比尔（2023年）
交易：太阳送出保罗、沙梅特、首轮7号签（选中库利巴利）、多个首轮互换权和次轮签，从奇才得到比尔。
新老板伊什比亚走马上任后，急功近利地追求短期爆发，在交易杜兰特后又干了一件更疯狂的事——把仅剩的家底全部砸向比尔。
太阳不仅失去了几乎所有的首轮互换权，还搭上了大量次轮签。
然而比尔的伤病和薪金空间死死地锁住了太阳，最终太阳只能被迫将其裁掉并延伸支付。
讽刺的是，比尔被裁后太阳依然要每年支付他1940万美元直到2030年。
无论从薪资空间还是选秀资本来看，这笔交易都彻底摧毁了太阳未来几年的重建可能，堪称“毒药合同”的教科书案例。
1、独行侠交易东契奇（2025年）
交易：独行侠送出东契奇、克莱伯和莫里斯，从湖人得到安东尼·戴维斯、克里斯蒂和一个2029年首轮签。
这笔交易毫无悬念地当选了“近5年最烂交易”，而且没有之一。
独行侠在交易时，东契奇不仅比浓眉年轻了整整6岁，更是当时更健康、更强效的球员。
这笔交易违背了NBA交易的基本底线——除非球队基石主动要求离开，否则绝对不应主动交易他。
即便他真要走，也应该货比三家，换取最大回报。
前总经理尼克·哈里森主导了这场“世纪大错”。
虽然独行侠在2025年抽中状元签得到库珀·弗拉格，暂时掩盖了送走东契奇的耻辱，但这绝不能抵消他们在2025年夏天将队史最伟大的天才之一贱卖的事实。
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。
