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。
。
为什么各大品牌内存条包装都那么low？
超级喜欢穿短裙正常吗?
阿里云服务器续费价格好贵，想换一家云服务厂商，该怎么选择？
为什么程序员的代码不能终身责任制?
能不能发一张你相册里最好看的自拍照？
obsidian用一两年后会有多大？全文搜索还快吗？
面试中被嘲笑Token放在redis里，该如何应对这种情况呢？
前端，后端，全栈哪个好找工作？
为什么我感觉现代医学还是很落后？
电话：
座机：
邮箱：
地址：
