互联网/IT行业面试题更新 2026-08-05
请介绍ViT（Vision Transformer）的结构和原理。
美团人工智能互联网/IT技术原理技术选型
回答思路
- 说明图像分块与Patch Embedding的过程
- 解释位置编码的作用与类型
- 阐述Transformer编码器在视觉任务中的应用
- 讨论[CLS] token或分类头的设计选择
- 分析ViT与CNN在归纳偏置上的差异
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。
