不要想的太过复杂，就只有随机数生成的三个矩阵，原始输入已经通过矩阵相乘关联在三个随机数矩阵中，再通过一些代数游戏得到每个token对于整体输入序列的注意力权重矩阵，再和另外一个随机数矩阵进行线性的代数变化即可。
反向传播更新的是这三个矩阵的权重，三个矩阵的维度设计也是为了符合线性代数的运算。
总之这个就是一个巧妙的线性代数游戏，没有什么复杂的逻辑问题。
。
为什么情侣在一起旅行后容易分手？
软路由真的比硬路由更好吗？
目前最具性价比的全栈路线是啥？
你都用 Python 来做什么？
如何看待不超过1879元的Mac mini（M4+16/256GB+票），易用性吊打同级其他台式电脑？
有没有什么惊为天人的 Logo 设计？
为何Microsoft能一直留在中国市场?
全平台应用框架会是趋势吗？flutter、tauri、maui你更看好哪一个？
为何中文互联网相对英文互联网的内容质量较低？
20年后，会不会迎来县级合并潮？
电话：
座机：
邮箱：
地址：
