与「AIR」相关的搜索结果

这么好看的BN鞋子被他们卷到破发了 @AirdropAlchemis 叔叔488买的可以申请退货了，现在188-288可以买了 想不出他们卖的理由，我负债都没有想卖过周边

第 2 步️⃣：解除认证攻击 🥾 这里他们用 aireplay-ng 这类工具，把合法设备暂时踢出或"断开"WiFi。 图什么？逼这些设备重新连接，抓取那次连接时的"握手包"，再试着破解密码。🔑

Welcome to the UK's "justice" system: Danny Tommo > damaged a migrant invader boat > DENIED BAIL 5 terror suspects > bomb plot against US Air Force > RELEASED ON BAIL

the $shhhhh airdrop list is full: 20,000 wallets 🤫 Now we check it. We're removing: • bots and farm accounts • posts that were deleted or made private • X accounts created after our first $shhhhh post Freed spots reopen later. Claims open after the check.

Many have asked me to give my 2 cents on the (newest) HCL controversy. Probably a bad idea, so I’ll do it anyway: I don’t know C Ye or Britney or any of the “newer” HCL regs. And I have no insider info on this dispute. But I do know a lil’ somethin’ somethin’ about Nik Airball and Ryan Feldman. In my opinion, this is all par for the course for them: I believe they will do and say whatever they need to protect their financial interests. If you haven’t read Beneath the Cards, I break it all down there. As I see it, Airball has long been committed to doing whatever it took to become a mainstay on HCL. Give him credit: mission accomplished. And I think Ryan did and said numerous things in an attempt to destroy my reputation the moment I publicly stated that something shady went down on his show. Four years and a bestselling book later, mission definitely not accomplished. Here’s the takeaway, as is sadly too often the case in the pokersphere: Follow the money. It will so often explain the why behind the actions of the less-savory characters in our industry. In short, if Britney is good for the game, I suspect Ryan and Airball will go to great lengths to protect her.

今天正式不用上班了。已经辞职，准备把更多时间投入 X 和自己的项目，也开始运营更多社交平台。 主力还是 X。第一阶段扩展到 YouTube、Threads、小红书；第二阶段再做 Facebook、Instagram 和 LinkedIn。 三台电脑也分好工了： MacBook Air M4（24G + 1TB）：主力 Coding 12490F + 3060 12G：剪视频 14600KF + 3070：Coding、找素材 目前还在解决两个问题：三台电脑怎么方便地传文件，以及怎么把网络弄稳定。文件打算先用局域网 SMB 共享； VPN 还在折腾，想找个适合多设备长期使用的方案。

这个开源项目系统整理了 35 家 AI 公司的 AI 工程师面试题，全部来自 “公开报告的面试经历” 来自 @outcome_school 团队 @pallavishekhar_ 开源发布，内容几乎涵盖了 OpenAI、Anthropic、DeepMind、xAI、DeepSeek、Kimi、GLM 等 AI Labs，Cursor、Cognition、ElevenLabs 等 AI Native 团队和 Nvidia、Microsoft、Amazon、Apple 等头部大厂。 覆盖的岗位头衔也非常多：AI Engineer、LLM Engineer、Gen AI Engineer、ML Engineer、Research Engineer、Applied Scientist、FDE、MLOps/LLMOps 工程师等。 开源地址： # 内容架构：一个精心设计的双层结构 第一层：跨公司通用题（Common Questions）。 作者把在多家公司反复出现的题目只列一次，标注"Asked at"哪些公司，按十大主题组织： 1. LLM 内部机制与架构 — attention 缩放因子、KV cache 内存公式推导、MQA/GQA/MLA、FlashAttention、BPE、RoPE/YaRN、Chinchilla scaling laws、MoE、解码采样策略、lost-in-the-middle、RMSNorm、SwiGLU 2. 推理、服务与 GPU 性能 — prefill vs decode、continuous batching、PagedAttention、投机解码、量化（FP16→FP4）、五种并行策略、TTFT/TPOT 指标、H100 上的 roofline 计算、vLLM/SGLang/TensorRT-LLM 选型、“如何把服务成本降 10 倍” 3. RAG 与检索 — 分块策略、BM25 vs 稠密检索、重排序器、HyDE、权限感知检索、ANN 索引、索引新鲜度、答案归因 4. Agent 与工具调用 — ReAct、MCP、工具 schema 设计、多智能体编排、Agent 记忆、循环终止条件、人类审批 5. 微调与对齐 — RLHF/DPO/GRPO/RLVR 全谱系、LoRA/QLoRA 数学、灾难性遗忘、“提示 vs RAG vs 微调”决策框架、蒸馏、reward hacking 6. 评估与可观测性 — LLM-as-judge 及其偏差、幻觉检测、基准污染、Agent 评估、回归门禁 7. 安全与负责任 AI — 提示注入（直接/间接）、OWASP LLM Top 10、护栏、Constitutional AI、红队 8. 多模态与语音 — VLM、语音 Agent 延迟预算、barge-in 打断处理、级联 vs 端到端语音、ASR/TTS 评估 9. AI 系统设计 — 十类高频设计题（千万级文档企业 RAG、代码助手、客服 Agent、Text-to-SQL、LLM 网关、数亿用户聊天服务等） 10. 编码题 — 从零实现 attention、KV cache、BPE、采样；LRU 缓存、令牌桶限流器、异步批处理器、SSE 流解析器、最小 Agent 循环 第二层：35 家公司的专属章节，分为五大梯队： 1. 前沿实验室（12 家）：Anthropic、OpenAI、Google DeepMind、Meta、xAI、Mistral、Cohere、DeepSeek、月之暗面（Kimi）、智谱（GLM）、阿里（Qwen）、Sarvam AI（印度） 2. 大厂 AI 组织：Microsoft、Amazon、Apple、NVIDIA、Tesla，以及一组消费级 ML 公司（Uber/Netflix/LinkedIn/Airbnb/Pinterest/Spotify） 3. AI 基础设施公司：Databricks、Groq、Together AI、Hugging Face、Scale AI、Perplexity 4. AI 原生产品公司：Cursor、Cognition（Devin）、Sierra、Harvey（法律）、Glean、 AI（机器人）、Waymo 5. 前向部署/企业 AI：Palantir # 题目分布透露的行业信号同样值得关注 1. 公司的差异化考察方向，和它的商业模式严丝合缝。 这是最能体现整理功力的地方： · DeepSeek、月之暗面、智谱、Qwen 的题目深度绑定自家论文——MLA、auxiliary-loss-free 负载均衡、Multi-Token Prediction、MuonClip、DualPipe、长上下文扩展、GLM 的 thinking 模式。面试这些公司等于面试它们的论文，还要求 PyTorch 从零实现 MoE 路由。 · Groq 的题全是 SRAM-only 架构下的 roofline 重推演：“没有 HBM，decode 的 roofline 论证哪里变了”、“确定性在 p99 层面到底买到什么”。 · Apple 清一色端侧：3B 模型在手机上跑、PTQ vs QAT、不采集用户内容的前提下用设备信号改进模型、30+ 语言区无法记录用户内容的评估方案。 · CharacterAI 是推理经济学：“我们的服务成本被 KV cache 而非权重主导，降一个数量级，代价是什么”。 · Harvey（法律）和 Abridge（医疗） 考的是领域约束下的工程：200 页信贷协议里第 140 页的条款依赖第 8 页的定义术语怎么检索、生成的病历中出现了患者没提过的药怎么当作安全事故处理、PHI 如何约束整个架构。 · Palantir 的招牌是 "decomposition" 轮：把“一家货运铁路公司每年因机车非计划停机损失数千万”分解成工程计划。 2. 编码轮的形态正在发生实质性变化。 文档里反复出现的一类题，与传统 LeetCode 明显不同： · “实现一个内存 KV 存储：先 SET/GET/DELETE，再加事务 BEGIN/COMMIT/ROLLBACK，包括嵌套事务”（OpenAI、xAI 都问） · “给你一个 LLM 推理引擎的调度器类，其中一个方法是空壳，没有规格没有文档。说说你头三十分钟干什么”（xAI） “重构这 120 行能跑但很乱的代码，不许破坏测试”（OpenAI） · “对 5 万个文档跑 LLM 调用，API 限 100 并发、偶发 429 和超时，把 Python 写出来”（Anthropic） 考察重心从算法记忆转向增量需求下的代码演进能力、并发正确性、真实工程约束下的取舍。 3. “AI 协作轮”作为新题型已经进入正式面试流程。 这是文档里最前沿的信号： · Anthropic 部分机器学习岗有 AI-collaboration 轮：现场给你 Claude，考察的是你如何指挥它和验证它的产出，而不是你自己写。 · Meta 2026 年的流程新增三阶段 AI 辅助编码轮（探索修复 → 实现新功能 → 扩展改进）。 · Cursor 的 onsite 是两天在真实 Cursor 代码库上做一个功能（或 8 小时远程版），明确考核你对 AI 工具的使用效率和自主 scoping 能力。 · Sierra 给你两小时和任意 AI 工具，看你选择做什么。 xAI 有四小时限时产品构建。 4. FDE 成为一级岗位类别。 Anthropic、OpenAI、Databricks、Scale、Together、Sierra、Harvey、ElevenLabs、Palantir 的章节里都有 "Applied and Forward-Deployed Scenarios" 专属题库——典型题目如“企业客户说 Claude 幻觉太多，你是驻场工程师，头 48 小时做什么”。这对应了 AI 公司向企业交付方式的转变：模型能力差距收窄后，落地能力成为差异化。 5. 硬核系统题的普及。 "H100 上 70B 模型 batch size 1 的 roofline 计算"、"估算 70B 模型的 GPU 显存（权重 + KV cache + 激活 + 碎片）"、"p99 延迟在部署后翻倍但模型没变，走一遍诊断”——这类题横跨 NVIDIA、Together、OpenAI、Perplexity 等多家，说明推理性能的量化直觉已成为 AI 工程师的通用素养，而非基础设施工程师的专属。

美国产业链重构描述: 半导体、医药和消费电子是当前供应链转移最明显、金额最大的三类行业，美国本土回流与墨西哥/越南/印度“友岸”并行。 半导体领域以台积电亚利桑那项目为代表：总承诺已达2650亿美元，规划10座先进制程晶圆厂加封装厂，N4已量产，后续向3nm及以下推进；美光在纽约克莱和爱达荷的投资规划超过2500亿美元，纽约厂已于2026年浇筑第一罐混凝土；英特尔、三星、格芯等也在俄亥俄、得州等地扩产，CHIPS法案已向24家企业49个项目拨款约317亿美元。 医药与医疗器械方面，礼来、阿斯利康、强生、辉瑞、罗氏等累计宣布超过4800亿美元美国产能承诺，覆盖原料药、无菌注射剂、生物制剂和细胞基因治疗；礼来在印第安纳、弗吉尼亚等地新建多座工厂，阿斯利康规划弗吉尼亚原料药基地，FDA推出PreCheck试点加速审批，同时对专利药进口设置高额关税威胁，倒逼企业“建厂换关税减免”。上游关键起始材料仍高度依赖中国，完全脱钩仍需更长时间。 消费电子与服务器硬件以苹果供应链为典型：印度已承担约25%的全球iPhone组装，越南负责65%的AirPods及部分iPad/Watch/Mac；歌尔等供应商跟随迁至越南；墨西哥对美电脑与电子产品出口大幅上升，台资企业在华雷斯等地扩产数据中心服务器，2025年相关出口已超700亿美元。这些转移多为“中国+1”或近岸，最终组装外迁，但关键零部件仍大量来自中国或需从中国进口。