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。
。
当年的东莞究竟有多疯狂？
用PHP写了个小框架，怎么才能得到大佬们的指点？
为什么Go仅仅160MB的安装包就可以编译程序，而Rust却还需要几个GB的VC++才能编译？
怎么劝家里人不去养鱼？
听说百度文心一言已经停止训练了，真的***的？百度这是准备放弃ai了吗？
我们常说的“地势险要、易守难攻”“兵家必争之地”到底是怎样的？
程序员需要用到内置kvm功能的显示器吗？或者是外置的kvm切换器吗？
为什么 mac mini 的 m4 版本价格这么低呢？
有哪些薄的书（100页以内）值得反复阅读？
我国国有企业的意义何在？
电话：
座机：
邮箱：
地址：
