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m4max可以轻松堆128g显存，nvidia消费端显卡却长期被限制在24g？
手机的运行内存真的有必要上16GB吗？
你们听过领导最没水平的一句话是什么？
曹玉磊冒充「清华院长」频繁参加活动遭官方打***，他为何能堂而皇之以***身份开展活动？其将受到哪些处罚？
媚眼如丝是什么样子？
Docker 的应用场景在哪里？
我的电脑硬件不支持硬解422 10bit***，但是用达芬奇可以编辑和导出，这是为什么?
为什么这么多人讨厌中国移动？
如何评价Cursor？
MacOS真的比Windows流畅吗？
电话：
座机：
邮箱：
地址：
