后端岗位面试题更新 2026-08-05
多模态任务中，BERT的文本输入和图片输入分别是如何处理的？
超参数科技后端开发人工智能系统设计技术原理BERT
考察说明
考察对多模态模型输入预处理流程的理解，包括文本词向量与图像特征提取的差异
回答思路
- 说明文本与图像两路编码的基本流程
- 指出BERT输入需要经过分词、Token嵌入、位置和片段嵌入
- 说明图像输入通常经预训练CNN或ViT提取特征并做对齐投影
- 能说明多模态融合中的对齐方式和维度处理
本题附完整参考答案与评分标准
登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。
