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。
。
男朋友说我穿衣服太开放，难道好身材不应该显示出来吗？
为什么好多人不承认大众审美就是喜欢白皮？
go为了编译速度减少了很多编译优化？为什么不能提供优化编译模式来提升运行效率？是太懒还是另有隐情？
怎么向老婆简单解释nas的用途？
如何看待时下被部分网民力推的“双输好过单输”观念？
被裁员是怎样的一种体验？
为什么中医一千多年没有出现理论大创新了？
能够自己一个人创业的全栈web码农fullstack developer要会哪些技术？
如果第三次世界大战真的开始了，到时你最想做的是什么？
请问照片里这个人是谁呀？
电话：
座机：
邮箱：
地址：
