阿里健康面试题更新 2026-08-05
请介绍你对ViT（Vision Transformer）的理解，包括其核心结构和工作原理。
阿里健康人工智能消费品/零售问题拆解技术原理
考察说明
考察对ViT架构的掌握程度及与CNN的比较
回答思路
- 准确描述ViT将图像切分为patch并线性嵌入的流程
- 说明transformer编码器（自注意力、前馈网络）在图像上的应用
- 解释位置编码的作用及ViT对数据量的依赖
- 能对比ViT与CNN的优缺点和适用场景
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。
