百度面试题更新 2026-08-05
Vision Transformer的创新点
百度人工智能专业服务技术原理
考察说明
考察对Vision Transformer核心创新的理解与对比传统CNN的差异
回答思路
- 明确ViT将图像分块并展平为token序列
- 说明使用标准Transformer编码器处理图像
- 对比CNN局部感受野，强调全局自注意力机制
- 提及位置编码与大规模预训练的重要性
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。
