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。
。
Android 开发时你遇到过什么相见恨晚的工具或网站？
如何看待伊朗媒体称「今晚将发生世界铭记的大事」？可能是什么？
以色列为什么突然敢打伊朗了？不怕被报复？
有没有比Windows自带的远程桌面更好的同类软件？
买到烂尾楼到底该有多绝望？
为什么他们可以闻出来我身上的穷酸味?
独立开发者都使用了哪些技术栈？
打下来全部的星链近地卫星好打么？
为什么bilibili后端要用go来写？
女生身高 170cm 以上是什么样的体验？
电话：
座机：
邮箱：
地址：
