攻城獅
攻城獅 61-83 客場負福爾摩沙夢想家
攻城獅 2026-05-12 客場對上福爾摩沙夢想家，61-83 負。數據背後的故事。
2026年5月12日—
攻城獅10 篇
攻城獅
攻城獅 97-94 客場勝福爾摩沙夢想家
攻城獅 2026-05-09 客場對上福爾摩沙夢想家，97-94 勝。數據背後的故事。
2026年5月9日—
攻城獅
攻城獅 102-99 主場勝海神
攻城獅 2026-05-03 主場對上海神，102-99 勝。數據背後的故事。
2026年5月3日—
攻城獅
攻城獅 96-73 主場勝臺北台新戰神
攻城獅 2026-05-02 主場對上臺北台新戰神，96-73 勝。數據背後的故事。
2026年5月2日—
攻城獅
攻城獅 98-78 主場勝新北國王
攻城獅 2026-04-29 主場對上新北國王，98-78 勝。數據背後的故事。
2026年4月29日—
攻城獅
攻城獅 104-86 客場勝臺北台新戰神
攻城獅 2026-04-25 客場對上臺北台新戰神，104-86 勝。數據背後的故事。
2026年4月25日—
攻城獅
攻城獅 86-92 客場負福爾摩沙夢想家
攻城獅 2026-04-19 客場對上福爾摩沙夢想家，86-92 負。數據背後的故事。
2026年4月19日—
攻城獅
攻城獅 85-94 主場負福爾摩沙夢想家
攻城獅 2026-04-12 主場對上福爾摩沙夢想家，85-94 負。數據背後的故事。
2026年4月13日—
攻城獅
攻城獅 79-76 主場勝雲豹
攻城獅 2026-04-11 主場對上雲豹，79-76 勝。數據背後的故事。
2026年4月11日—
攻城獅
攻城獅 117-100 主場勝特攻
攻城獅 2026-04-08 主場對上特攻，117-100 勝。這 21 分多出來的，從哪裡冒出來的？
2026年4月8日—
籃球研究13 篇
籃球研究
Gobert 和 Sabonis 都是中鋒，一個統計模型把他們分開了。
延世大學的新論文用狄氏過程混合模型分析 2024–25 球季 219,527 次出手，不切格子、不預設群數，從 566 名球員的投籃圖裡長出 16 個群。三個禁區群的差別，細到只有幾記底角三分。
2026年7月20日—
籃球研究
你選的是「位置」，還是「打法」？用數據重新定義籃球陣容的組建邏輯。
一支球隊需要幾個控球後衛？這個問題問錯了。San Diego State University 的研究橫跨 110 個聯賽、22,500 名球員，把所有人分成 9 種打法原型，再從中推導出冠軍陣容的黃金比例。
2026年5月20日—
籃球研究
「控球後衛」這個標籤，已經是個落後的分類了。
Chris Paul 和 Derrick Rose 都叫控球後衛，但打法根本是兩種球員。MIT Sloan 2020 年的研究，用機器學習把 NBA 的位置系統打掉重練，找出九個更精確的功能性角色。
2026年5月5日—
籃球研究
NBA 球員的職涯曲線，不只一種形狀。
新生代靠多變數協同爆發，黃金期靠核心技術穩定輸出，老將靠少數指標撐起天花板。研究者用 KAN 模型，把這三段曲線的形狀說清楚了。
2026年4月30日—
籃球研究
愈頂尖的籃球員，在場上的動作強度愈低。
西班牙研究團隊用穿戴式感測器，同時量化歐冠聯賽球員與四級業餘球員的尖峰體能負荷，發現菁英球員在所有時間窗口的峰值都顯著低於業餘球員。差距隨量測窗口拉長而擴大，3 分鐘窗口的效應量達 2.11，分類為「極大」。
2026年4月28日—
籃球研究
夾擊與換防：機器讀懂 NBA 防守的語言
夾擊不是隨機施壓，換防也不是隨機保護。一個結合 LSTM 和 CNN 的混合模型，從三萬多段 NBA 追蹤數據裡，讀出了防守戰術背後的時機與空間邏輯。
2026年4月23日—
籃球研究
高中只打一種球，進 NBA 反而更容易受傷。
2025 年發表的研究追蹤 318 名 NBA 選秀前 30 順位球員，發現高中時期參與多項運動的球員，職業生涯前三季不只打了更多場比賽、跑了更長距離，因傷缺賽率也顯著更低，而且在工作量增加時比單項專精球員更不容易受傷。
2026年4月21日—
籃球研究
NBA 球員半月板手術後，重返賽場的勝算有多高。
2025 年發表於《運動科學與醫學期刊》的研究分析了 47 名 NBA 球員接受半月板手術的術後成績，復出率高達 90.7%，上場時間與效率在術後第二年全面恢復，但出賽場次比率的下降卻持續存在，可能與「負荷管理」趨勢有關。
2026年4月20日—
籃球研究
教練真的有差嗎？拆解 NBA 總教練的戰術貢獻。
格雷格‧波波維奇年薪高達 1600 萬美元，但他的勝率有多少是球員的功勞、多少是他自己的本事？這篇論文用單調貝氏迴歸樹，在控制球員實力之後，第一次讓「戰術貢獻」可以被獨立測量。
2026年4月17日—
籃球研究
球員組合的魔法：超圖理論如何同時替陣容打分數
傳統的 Adjusted Plus-Minus 只能告訴你一個球員獨自的價值，但它沒辦法告訴你 Harden 和 Embiid 搭在一起是不是特別厲害。這篇論文用超圖理論補上這個缺口，讓雙人組、三人組、整套陣容都能同時被評分。
2026年4月16日—
籃球研究
搶籃板，真的需要「搶」嗎？
Andre Drummond 年年霸佔籃板榜，Steven Adams 卻默默無聞。但行家都說 Adams 才是真正讓球隊贏得籃板大戰的人。這篇論文用統計方法，把這個直覺說清楚了。
2026年4月15日—
籃球研究
最弱的那個人，決定了這支五人組能不能贏。
一篇 NBA 陣容預測論文的核心發現：衡量一個五人組能不能打贏，最重要的指標不是最強的人，而是最弱的那個。
2026年4月14日—
籃球研究
機器能預測 NBA 比賽結果嗎？
葡萄牙理工學院的研究者拿十個球季的 NBA 數據訓練了超過十種演算法，最好的準確率是 65%。這個數字看起來不高，但在籃球預測的世界裡，其實已經是認真的成果。
2026年4月11日—