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。
。
为什么是 9 月 3 日阅兵而不是 10 月 1 日国庆阅兵？
为何Microsoft能一直留在中国市场?
为什么英伟达要起nvidia这么一名字？
鸿蒙折叠屏笔记本为什么敢卖26999？
「牛奶湖」游客排队接奶，当地表示可以放心喝，是否符合食品安全标准？此营销行为对当地牧业是否有宣传作用？
肌肉男打得过练拳击的瘦子吗？
什么是人生的最顶级享受？
为什么m4max可以轻松堆128g显存，nvidia消费端显卡却长期被限制在24g？
为什么国内的uni***一直没人讨论呢？
为什么人到中年，很少有身材苗条的？
电话：
座机：
邮箱：
地址：
