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。
。
现代艺术只考虑意义、不考虑美感吗？
工地施工的时候都挖出过什么稀奇古怪、让人惊叹的东西？
地球上明明有吃塑料的虫子，为什么没有普及？
大s的死，让我们看清了什么?
我想做个小型的商业网站该用nodejs还是python做后端？
苹果公司做过哪些鲜为人知的努力？
为什么人到中年，很少有身材苗条的？
马上 2025 年了，你认为 256G 存储手机在 2025 年还够用吗？
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？
为什么 Bun 选择了 Zig 以及 JSCore？
电话：
座机：
邮箱：
地址：
