后端岗位面试题更新 2026-08-05
请介绍Vision Transformer（ViT）的基本原理和主要流程。
阿里巴巴后端开发电商技术原理方案权衡Transformer
回答思路
- 能说明图像切分为patch并线性嵌入的步骤
- 能解释position embedding的作用
- 能说明Transformer编码器中的self-attention和MLP结构
- 能提及class token用于分类的方式
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。
