爱德华兹45+10字母哥35+6 森林狼大胜热火

米切尔11+10爱德华兹45+10 热火106-131不敌森林狼

【搜狐体育战报】北京时间10月22日NBA常规赛，客场作战的森林狼以131-106击败热火。

爱德华兹45分10篮板3助攻，米切尔11分0篮板10助攻。

全场具体比分（热火队在后）：34-32、35-27、30-22、32-25。

森林狼队：爱德华兹45分10篮板3助攻、鲍尔21分2篮板6助攻、麦克丹尼尔斯17分8篮板、多森姆16分5篮板3助攻、库明加12分1篮板3助攻、香农10分1篮板1助攻、戈贝尔5分15篮板1助攻、海兰德3分1篮板、克拉克1分1篮板1助攻、莱尔斯1分1篮板、埃文斯1篮板、贝兰热6篮板1助攻。

热火队：阿德托昆博35分6篮板1助攻、阿德巴约15分7篮板4助攻、米切尔11分10助攻、维金斯11分2篮板1助攻、汤普森10分1篮板、波蒂斯7分4篮板1助攻、理查德斯4分1篮板、加德纳4分2篮板、约维奇4分4篮板2助攻、哈达威3分4篮板1助攻、拉尔森2分3篮板4助攻、康威尔1助攻。

比赛伊始，阿德托昆博率先发力，开局连拿4分帮助热火取得4-0的开局。

鲍尔急停三分命中打破得分荒，爱德华兹接助攻命中三分，森林狼很快将比分追至6平。

之后双方比分交替上升，汤普森两记三分命中两次扳平比分，麦克丹尼尔斯连续内线得分，爱德华兹三分、跳投陆续打进，森林狼逐步确立领先优势。

节末多森姆突破得分，约维奇和阿德托昆博连续冲击内线得分，首节打完森林狼34-32领先。

次节比赛，阿德托昆博开场扣篮加罚球拿到3分，帮助热火追平比分。

麦克丹尼尔斯跳投命中，鲍尔连中两记三分，森林狼再次取得领先。

阿德托昆博内线得分再度扳平，波蒂斯、阿德巴约连续得分帮助热火取得50-47的领先。

爱德华兹和香农连续三分命中，森林狼重新拿回主动权，库明加三分命中后分差拉开到6分。

节末鲍尔连续得到4分，半场结束森林狼以69-59领先。

第三节开始后，爱德华兹找到外线手感，开场连续命中两记三分，拉梅洛-鲍尔也续上三分火力，分差迅速拉开到14分。

阿德托昆博和阿德巴约连续内线得分缩小分差，爱德华兹再中两记三分，多森姆、库明加陆续进攻得手，分差不断扩大。

戈贝尔连续罚中得分，三节结束森林狼以99-81领先18分。

第四节开始后，库明加连投带罚拿到5分，分差突破20分，热火换上部分替补仍尝试追分，阿德托昆博连续内线扣篮拿到4分，爱德华兹立刻回敬三分，将分差扩大到22分。

之后爱德华兹状态不减，麦克丹尼尔斯扣篮、上篮连得4分，分差一度来到30分。

大比分领先的森林狼换下全部主力，替补球员也延续进攻状态，海兰德终场前30秒命中三分，热火替补罚中两分后，最终森林狼客场以131-106击败热火。

森林狼队首发：安东尼-爱德华兹、拉梅洛-鲍尔、贾登-麦克丹尼尔斯、乔纳森-库明加、鲁迪-戈贝尔

热火队首发：扬尼斯-阿德托昆博、巴姆-阿德巴约、戴维恩-米切尔、安德鲁-维金斯、克莱-汤普森

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。