利拉德25+6杨瀚森5分2板 开拓者狂胜太阳

【搜狐体育战报】北京时间10月22日NBA常规赛，主场作战的开拓者以124-83击败太阳。

阿夫迪亚18分10篮板4助攻，布克23分4篮板2助攻。

全场具体比分（开拓者队在后）：12-43、27-29、27-35、17-17。

太阳队：布克23分4篮板2助攻、布鲁克斯10分4篮板、格林10分2篮板3助攻、布里奇斯8分4篮板、伊戈达罗8分3篮板3助攻、里斯5分1篮板、皮特4分1篮板、古德温3分4篮板、布耶3分2篮板2助攻、斯潘塞3分3篮板1助攻、邓恩3分2篮板、马卢阿奇2分6篮板1助攻、弗莱明1分2篮板、吉莱斯皮1篮板2助攻。

开拓者队：利拉德25分3篮板6助攻、卡马拉18分2篮板3助攻、阿夫迪亚18分10篮板4助攻、亨德森15分2篮板1助攻、莫兰特14分5篮板8助攻、克林根11分7篮板2助攻、霍勒迪8分4篮板1助攻、杨瀚森5分2篮板、波特4分3篮板、西索科3分4篮板3助攻、威廉姆斯2分10篮板1助攻、克雷伊奇1分2篮板3助攻、肯特2篮板。

开场后开拓者迅速进入状态，克林根三分命中打开局面，阿夫迪亚、莫兰特、利拉德接连外线开火，开场前8分钟打出21-0的完美开局，太阳迟迟没能打破得分荒。

直到首节还剩5分54秒，布克依靠两次罚球拿到太阳本场第一分。

亨德森连取4分扩大优势，利拉德后半段再中两记三分，首节结束时开拓者以43-12领先。

进入第二节，太阳外线终于找到手感，格林接连命中两记三分，将分差缩小到23分。

开拓者很快重新发力，莫兰特内线连续取分，卡马拉连中两记三分，分差再次拉开到30分以上。

布克依靠罚球和后仰跳投连续得分，伊戈达罗也两次扣篮取分，半场结束时开拓者以72-39领先。

开拓者半场进攻端完全打开，分差达到33分，比赛走势早早偏向主队。

易边再战，阿夫迪亚延续出色状态，内突外投连得7分，利拉德多次助攻队友得分同时自己也命中三分，开拓者始终将分差维持在35分以上。

布克保持着个人进攻效率，单节再砍11分，布鲁克斯也命中三分追上几分，无奈分差过大，三节结束时开拓者以107-66领先41分。

进入第四节，大比分领先的开拓者换下全部首发，派上替补阵容锻炼新人。

杨瀚森勾手得分后再中三分，替补出战的波特也突破得分，开拓者一度将分差拉大到50分以上。

太阳替补同样抓住机会得分，布耶、皮特接连得分，里斯在比赛末段命中三分，最终全场比分定格在124-83，开拓者主场大胜。

太阳队首发：德文-布克、狄龙-布鲁克斯、杰伦-格林、迈尔斯-布里奇斯、卡曼-马卢阿奇

开拓者队首发：达米安-利拉德、图马尼-卡马拉、德尼-阿夫迪亚、贾-莫兰特、多诺万-克林根

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。