东契奇28+8库里23分 湖人狂胜勇士取开门红

【搜狐体育战报】北京时间10月22日NBA常规赛，主场作战的湖人以127-105击败勇士。

东契奇28分8篮板7助攻，库里23分2篮板1助攻。

全场具体比分（湖人队在后）：33-34、19-32、16-36、37-25。

勇士队：库里23分2篮板1助攻、威廉姆斯14分4篮板3助攻、伦德博格12分3篮板2助攻、桑托斯12分5篮板、佩顿二世10分1篮板、克赖尔9分1篮板3助攻、艾克8分2篮板1助攻、理查德8分5篮板1助攻、尼昂7分2篮板2助攻、格林2分4篮板8助攻、梅尔顿2篮板2助攻、霍福德4篮板2助攻、莱昂斯1篮板。

湖人队：东契奇28分8篮板7助攻、凯斯勒26分9篮板1助攻、里夫斯23分4篮板6助攻、格兰姆斯10分2篮板4助攻、拉拉维亚10分2篮板2助攻、威廉姆斯9分3篮板4助攻、卢尼6分5篮板1助攻、马穆凯拉什维利5分4篮板2助攻、塞布尔3分3篮板1助攻、哈迪3分2篮板、布朗尼2分、马尼翁2分1篮板。

开场后凯斯勒接东契奇助攻完成扣篮，率先为湖人拿下两分，库里很快接梅尔顿助攻后仰跳投扳平比分。

东契奇突破上篮得手后，伦德博格接格林助攻命中三分反超比分，凯斯勒两次在内线得手，重新帮湖人取得领先。

扎伊尔-威廉姆斯扣篮得分后，库里连中两记三分加上篮得手，帮助勇士建立3分优势。

东契奇三分命中扳平比分后，双方多次战平，比分交替上升。

首节末段，布兰登-威廉姆斯两罚命中让勇士领先2分，拉拉维亚接助攻命中三分，首节战罢湖人以34-33领先1分。

次节比赛开打，里夫斯快攻拉杆跳投得分，库里两罚全中缩小分差。

拉拉维亚再中三分，凯斯勒补扣得手，湖人将分差拉开到6分。

佩顿二世连拿4分回敬，格兰姆斯两次上篮得分稳住领先优势。

中段过后湖人逐渐发力，东契奇连投带罚拿下5分，马穆凯拉什维利两罚全中，分差来到两位数。

凯斯勒再接助攻扣篮，东契奇半场结束前命中三分，半场战罢湖人以66-52领先勇士14分。

中场休息回来，双方易边再战。

里夫斯转身跳投拿下第三节第一分，凯斯勒连续接到助攻完成扣篮，短短三分钟内湖人就将分差拉大到20分。

东契奇空位三分命中，里夫斯连续通过罚球、三分和上篮拿下7分，凯斯勒不断在内线冲击得手，湖人优势持续扩大。

三节末段拉拉维亚接格兰姆斯助攻上篮得分，三节战罢湖人以102-68领先勇士34分，比赛悬念提前消散。

进入第四节比赛，双方都换上全部替补阵容，比赛进入垃圾时间。

布兰登-威廉姆斯率先上篮得分，塞布尔接助攻命中三分，凯斯勒再篮下得分，湖人继续保持大比分领先。

勇士替补抓住机会打出反击，艾克、克赖尔先后命中三分，接连拿下分数，将分差缩小到24分。

湖人替补也延续进攻感觉，扎伊尔-威廉姆斯三分命中，哈迪也跟进命中三分，始终将分差稳定在20分以上。

末节最后时刻，布朗尼跳投得分，勇士替补继续追分，理查德终场前扣篮得到本场最后一分，最终湖人主场127-105击败勇士。

勇士队首发：斯蒂芬-库里、亚克塞尔-伦德博格、桂-桑托斯、德雷蒙德-格林、丹东尼-梅尔顿

湖人队首发：卢卡-东契奇、沃克-凯斯勒、奥斯汀-里夫斯、扎伊尔-威廉姆斯、马蒂塞-塞布尔

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。