CBA揭幕战-古德温22+9拉塞尔21分 上海主场狂胜深圳
【搜狐体育战报】北京时间10月16日CBA揭幕战，主场作战的上海久事以102-68击败深圳马可波罗。
王哲林14分18篮板0助攻，特奎维恩·史密斯18分5篮板2助攻。
全场具体比分（上海久事队在后）：19-16、13-29、21-30、15-27。
相关阅读：
深圳马可波罗队：特奎维恩·史密斯18分5篮板2助攻、贺希宁16分3篮板3助攻、马凯尔·约翰逊14分2篮板2助攻、马明坤7分、伊布·巴吉5分3篮板1助攻、冯熙瑞4分5篮板、武子涵2分2篮板、卢鹏羽2分2篮板、容子峰3篮板1助攻、李慕豪5篮板、吴铠博1篮板1助攻。
上海久事队：布兰登·古德温22分6篮板9助攻、德安吉洛·拉塞尔21分4篮板5助攻、张镇麟16分6篮板、王哲林14分18篮板、李添荣9分2篮板、李弘权8分5篮板3助攻、贾维尔·麦基5分3篮板3助攻、偰李永炜3分2篮板1助攻、闫鹏飞2分2篮板、刘礼嘉2分2篮板、刘铮4篮板1助攻。
开赛后贺希宁率先上篮得分，张镇麟随即接助攻上篮扳平比分。
巴吉灌篮拿回领先，拉塞尔两罚全中再次追平。
贺希宁两罚全中扩大优势，巴吉跳投加罚将分差拉开到5分，古德温上篮得分缩小分差，张镇麟勾手命中把分差缩小到1分，王哲林罚中一球扳平比分。
约翰逊后撤步跳投重夺领先，麦基灌篮再次扳平，古德温上篮帮助上海反超2分。
史密斯命中三分，深圳拿回1分领先，麦基罚中一球扳平，冯熙瑞上篮得分，史密斯再中三分，首节结束深圳以19-16领先。
次节比赛古德温跳投命中把分差缩小到1分，王哲林跳投加罚完成反超。
拉塞尔抛投得分，古德温再添上篮，上海领先6分。
约翰逊跳投加两罚全中把分差追到2分，古德温接助攻命中三分拉开到5分，贺希宁回敬三分后连拿4分，帮助深圳反超1分。
李弘权接古德温助攻命中三分反超，武子涵接贺希宁助攻上篮扳平。
随后上海打出一波进攻高潮接连涨分，半场结束上海以45-32领先13分。
双方在第三节开始后，上海延续进攻状态继续扩大优势。
古德温开场上篮得分，王哲林跳投命中把分差拉到17分。
史密斯连续罚中五球缩小分差，张镇麟、拉塞尔接连命中三分，张镇麟再中一记三分，分差来到21分。
卢鹏羽上篮得分后，拉塞尔再添五分包括一记三分，分差扩大到24分。
贺希宁回应三分，李添荣两罚全中，史密斯回敬三分，李弘权立刻命中三分稳住优势。
约翰逊跳投得分后，麦基灌篮、李添荣上篮接连得分，三节末段李添荣再中三分，约翰逊压哨投进三分加罚，三节结束上海以75-53领先22分。
第四节开始后，上海牢牢掌控比赛局面，古德温开场命中三分，李添荣上篮得分，进一步扩大优势。
深圳接连得分追赶，古德温两次上篮，王哲林跳投加两罚全中，分差始终稳定在20分以上。
马明坤连拿4分，拉塞尔命中三分，马明坤回敬三分后，上海再添四分把分差拉开到29分。
贺希宁上篮拿到深圳最后两分，上海后续连续得分拉开分差，最终主场拿下比赛。
深圳马可波罗队首发：贺希宁、马凯尔·约翰逊、伊布·巴吉、武子涵、容子峰
上海久事队首发：布兰登·古德温、德安吉洛·拉塞尔、张镇麟、王哲林、李弘权
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。
