我要招人

文远知行面试题更新 2026-08-05

ViT怎么将注意力用于视觉？

文远知行人工智能技术原理Transformer

考察说明

考察对Vision Transformer核心机制的理解及与CNN的差异

回答思路

  1. 说明图像分割成patch并展平嵌入
  2. 解释位置编码的作用
  3. 描述Transformer编码器如何处理patch序列
  4. 指出其与传统CNN的注意力差异及应用场景
本题已收录答题指导

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。

开始模拟面试登录查看答题指导