与「Harvey」相关的搜索结果

AI铁王座空出来了，再聊聊老黄的辞职及影响：1、大家没注意的是老黄昨晚不仅辞掉了CEO、总裁连董事会成员的身份也辞掉，可以说退的干干净净跟英伟达彻底切割了，以后老黄只是英伟达最大的个人股东而已。一方面可能婚外情属实，另一方面也说明老黄应该也是面临了巨大的压力，不然董事会成员也不会辞掉。 2、33年以来英伟达董事会首次任命了一位董事会主席，这是跟老黄裸辞一样重要的信息，就是英伟达董事会改组。从“首席独立董事”机制改成正式董事长制，董事会的控制权也在进一步收拢。 英伟达董事会首任主席HarveyC.Jones（哈维·琼斯），1993年加入董事会，前 电子设计自动化巨头新思科技（Synopsys）的CEO和执行董事长，也是投资机构SquareWaveVentures的管理合伙人。 3、对产业的影响可能更深远 如开头所说AI铁王座空下来了，产业教主倒下了，现在看还没人能顶的上去 ：要么产业身位不够、要么资历和影响力也不够。 1）对英伟达来说，短期算是利空落地。如昨晚老黄辞职消息出来前聊到，“如果老黄离任最终消息出来，短线可以博一个大反弹毕竟核心竞争力没那么快就没了，但长期就得边走边看、看实际经营状况，看接任者是不是能真的撑得住”。老黄辞职的消息出来、昨天英伟达也确实低开高走； 2）老黄辞职，英伟达少了一个有远见、有决断力和魄力的掌舵人和领航人，需要特别注意老黄在任时几十名高管都直接向他汇报，那说明英伟达得高管没有谁能有他这样的全局视野、现在看未来是会受限的。 老黄还主导一批用英伟达的信用给数据中心建设兜底的项目，例如之前给OpenAI的合作，同时几家新云厂商特别是CRWV也都是老黄扶持起来的；影响自然也不小。 3）但有受损的就有受益的 老黄离开、英伟达的竞争对手不得笑开怀。AMD、谷歌的TPU、亚马逊的Trainium估计都看到了进一步追赶的可能性。为谷歌和亚马逊自研芯片的核心供应商博通和MRVL又能分到更多的蛋糕了。 4）对整个产业链来说 教主走了，扛大旗没有了，凭老黄一己之力扶持起来的算力产业链可能要放缓，但产业趋势已经形成，最多只是延缓并并不是停滞。 这两天在思考一个点，“slower for longer”的节奏可能更好，不需要动不动就高歌猛进、时不我待的。节奏稍稍降下来、会走的更稳更远。 4、而对整个市场来说 还是维持一周前 会到前面说的“slower for longer” ，过去几年的大干快干让硬件层分走了绝大部分利润，而慢下来，就是在模型层/应用层/平台层/硬件层之间做利润的重分配，资金的投入方喘口气，甚至于硬件层也不是通杀，流动性恐慌后，最终会回到不同环节的供需紧张程度出现定价分化。

黄仁勋真的离开英伟达了。 执掌英伟达33年，从一家游戏显卡公司，把它带成全球AI算力霸主。现在，这个时代最具影响力的科技CEO之一，突然交出了方向盘。 接班人已经确定： Colette Kress（科莱特·克雷斯），原英伟达CFO，出任临时CEO，同时继续负责财务工作。 注意，是临时CEO，不是永久继任者。英伟达董事会还在寻找正式接班人。 另外，Harvey C. Jones 出任董事会主席。Ian Buck 则是此前媒体重点讨论的潜在接班人，目前并没有正式接任CEO。 这件事对市场最大的冲击，不只是换了一个CEO，而是英伟达失去了那个最懂技术、最懂产业链、也最懂资本市场的人。

【英伟达宣布CEO黄仁勋辞职 CFO科莱特·克雷斯出任临时CEO】财联社11月12日电，英伟达宣布，公司董事会已批准黄仁勋辞去公司总裁、首席执行官及董事职务，即刻生效。公司现任执行副总裁兼首席财务官科莱特·克雷斯（Colette Kress）出任临时CEO，并继续担任CFO，直至正式继任者确定。董事会将启动新任CEO遴选程序，同时考虑内部及外部候选人。英伟达董事会还任命Harvey C. Jones担任公司首任董事会主席，Jones曾任新思科技CEO兼执行董事长。英伟达还表示，公司将继续推进加速计算和AI领域的业务发展，并专注于服务客户、合作伙伴、开发者及股东。

$NVDA - BREAKING: NVIDIA CEO JENSEN HUANG RESIGNS EFFECTIVE IMMEDIATELY Nvidia announces a major leadership shake-up: 🔸 Jensen Huang resigns as CEO, president and board member, effective immediately. 🔸 Colette Kress, Nvidia's CFO, appointed interim CEO. 🔸 Harvey C. Jones named board chair. 🔸 Search for permanent CEO begins, considering internal and external candidates. Huang's departure ends his 33-year tenure leading the AI chip giant he co-founded.

Claude 加了白板和表格，所有付费套餐可用（测试版）；仪表盘改名 Claude Data 正式上线 Anthropic 11 月 10 日给 Claude 加了两种能跟同事一起改的新内容：白板 Claude Whiteboards 和表格 Claude Sheets，所有付费套餐都能用，目前是测试版。 10 月上线的仪表盘 Claude Dashboards 同时结束测试，改名 Claude Data。这些功能今天开始分批推送，账号里暂时没看到属于正常。 【谁能用、怎么开】 三样都要付费套餐，网页、桌面和手机 App 都能用。没有专门的入口，在对话里直接说要什么就行，比如“做个招聘预算表”。Claude Data 要先连一个数据源，比如数据仓库，或者 Salesforce 这类客户管理系统。 Team 套餐三样默认全开。企业版的白板和表格默认关闭，Claude Data 从 11 月 19 日起默认打开，管理员可以在 Organization settings > Artifacts 里随时改。 OpenAI 9 月底推出的 ChatGPT Space 也是让人和 AI 一起改同一份文件，但只给 Pro、Business 和企业版，Plus 用户用不了。Claude 这次最便宜的付费套餐 Pro 也在范围内。 【跟原来的 Artifacts 有什么不同】 Artifacts 是 Claude 在对话旁边做出来、能接着改、能分享的成品。文档、幻灯片和设计 10 月已经正式上线，团队可以一起编辑。这次多了白板和表格两种格式。 白板适合开会时理思路。把一个还很乱的计划口头讲给 Claude，它排成一张带时间线、负责人和日期的白板，同事可以实时一起改。 官方举的例子是复盘会：每个人往板上贴想法，Claude 按主题归类，再给每个人起草待办事项。框住白板的一块区域，可以只针对这一块提问。讨论完，Claude 能把白板转成文档或幻灯片，也能导进 Lucid、Miro 接着用。微软的 Whiteboard 里也有 Copilot，能在板上出点子、给便签归类、写总结，前提是有 Microsoft Copilot 许可证。 表格一句话就能生成，带多个工作表、公式、格式和下拉菜单，比如活动跟踪表、招聘预算。Claude 每改一处，会把改动框出来，方便你看它动了哪里。Claude 以前也能生成 Excel 文件，但要下载下来另外打开；Sheets 留在 Claude 里，你、同事和 Claude 可以一直在同一张表上改。 官方说现在只有基础功能，需要完整的 Excel 功能，可以导出成 .xlsx 或 CSV，或者用 Claude for Excel 插件，也能转到 Airtable、Asana、 继续做。 【Claude Data 多了什么】 官方解释改名的原因是，企业用数据早就不止做仪表盘。新增的几项里，最实用的是“认证查询”（测试版）：数据团队把“活跃用户”“收入”这类指标的算法定下来，大家做图都用这一套，图表上会带“已认证”标记，避免两个部门拿着不同的数字开会。 另一项是“实时分享”（测试版）：同事打开你分享的仪表盘，看到的就是最新数字，哪怕他自己没连这个数据源。他只能看到结果，看不到底层数据，也只能跑你批准过的查询。 此外，Claude 能根据指标起草图文并茂的数据故事，或者带旁白的讲解短视频，你审过之后再发出去。仪表盘还加了缓存，打开更快，每个仪表盘可以单独设刷新频率；改动有记录，能看到谁改了什么、退回到之前的版本；也能套用公司的设计规范。 【在 Claude 里直接用别的软件】 同一天，交互式连接器也升级了。连接器支持的话，可以把整个工具在对话旁边打开，或者全屏用，登录的是你自己的账号。比如打开一个 Confluence 页面，让 Claude 改，改动直接出现在页面上；打开 Box 里的文件让 Claude 修订，两个版本并排对比后再决定留不留；在 Adobe 里让 Claude 修照片，或者编辑、涂黑 PDF 里的内容。Claude 动手前要你批准，跟平时批准连接器操作一样。 首批支持的还有 Notion、HubSpot、Asana、Canva、Dropbox、 等，Figma、Harvey、Shopify 正在接入。这项功能在网页版和桌面版所有套餐分批推送，前提是你的账号已经换成新版 Claude，也就是 9 月起把聊天和 Cowork 合并的那一版。 Anthropic 还预告了 Claude Meetings：把 Claude 拉进会议记笔记，边开会边更新团队正在改的文档，没给上线时间。 官方推文： 白板、表格和 Claude Data： 交互式连接器： 总览：

Fireworks, the most highly-valued out of a growing group of inference providers, told customers including Harvey that it had been hit with a hack that exposed customer data. Some customers are now considering moving their business off the platform.

一图看懂 OpenAI 今天的 DevDay 发布了什么？主角绝对是 dots 👀 一种永远在线的 Agent，每个 dot 都有自己的云电脑和浏览器，按你定的目标 24 小时干活，还会主动推进任务，越用越懂你，现在就差 Anthropic 还没出 Personal Agent 了 ... dots 目前只开放给 Pro 和 Business Premium 用户。 模型这边发了 GPT-6.1 Sol，Agent Coding 和 Computer Use 接近 Astra，价格只要五分之一。还有一个 Ultrafast 速度档，在 Codex 里最快提速 8 倍，当然 API 价格也翻到 6 倍。OpenAI 为了它还专门出了 Pro 500 新订阅，用量是 Plus 的 25 倍。 开发者这边，Codex 被搬上了云端，在手机上就能派活、盯进度。Decisions API 让企业把重复的小决策交给 AI，但 AI 只能在给定的选项里选，Jev 直接被抄了，感觉它的使命结束了😅 Agents API 现在也能直接操作电脑了，OpenAI 还和 AWS 一起做了 Bedrock 托管 Agent。 真正的野心在 ChatGPT Space！你的团队和 dots 可在同一个空间里一起工作，再加上 Pages、Slides 和会议纪要，ChatGPT 越来越像 Slack + Notion + Drive 的合体。另外新推出 Sign in with ChatGPT，可以让你的订阅额度直接用在 Notion、Vercel 等 16 家产品里。 企业端有 OpenAI Marketplace，已有的 OpenAI 合同承诺额可以抵扣 Adobe、Figma、Salesforce、Harvey、CrowdStrike 等 32 家以上合作伙伴的软件费用！ 我对 OpenAI 新产品路线的三点看法： 1. Dots 加 Space 意味着 OpenAI 在正面争夺「AI 员工」这个入口； 2. Sign in with ChatGPT 和 Marketplace 在把 ChatGPT 订阅变成一种跨应用的「货币」和分发渠道，第三方 SaaS 正在沦为 OpenAI 的 Token 分销商，并完全卷入 OpenAI 的生态； 3. 定价结构明显在往高端分层走：Pro 500 定位最高端，Ultrafast 按 6 倍价格收费，$200 档的用量被下调。这说明算力成本和 ARPU 压力仍是前沿 AI 公司的核心命题。 模型越来越便宜，但订阅越来越贵，模型公司都在避免自己被商品化，用平台生态来提升自己的护城河🤔

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。