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。
。
为什么日本经济下降，大学排名跌至谷底，还有那么多人挤破脑袋去日本留学？
6 月 20 日，女篮热身赛，中国女篮 93－61大胜日本女篮，如何评价本场比赛？
大厂后端开发需要掌握docker和k8s吗?
有没有免费的语音转文字的软件？
美国重新工业化有多难？
北京日报点名批评“苏超”过度娱乐化，它是否管的太宽了？为什么无良媒体不会被查封取缔？
评价一下Proxmox VE与ESXi的优劣？
如何看待不超过1879元的Mac mini（M4+16/256GB+票），易用性吊打同级其他台式电脑？
5挺马克沁机枪，能否击败50万重骑兵？
Rust 使用 Result 的错误处理方式与 Golang 使用 error 的方式有什么本质区别？
电话：
座机：
邮箱：
地址：
