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。
。
我的世界怎么租一个四个人的服务器？
Docker真的被Kubernetes放弃了吗？
为什么沃尔沃叫好不叫座？
为什么华为价值2.3W的鸿蒙电脑用的是美国西数的SN740固态硬盘？
男朋友说我穿衣服太开放，难道好身材不应该显示出来吗？
人体组织在发育过程中，每个细胞是如何确定自己在宏观结构是的位置的？
如何看待网上说的:凡是有阿里、华为经历的一律不要？
为什么 S.H.E. 三位成员的生活反转这么大？
蔡澜曾说「年轻人要存到 100 万以上，这是脱离牛马生活的第一步」，怎样看这一观点？
MacBook的诱惑在哪里？
电话：
座机：
邮箱：
地址：
