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。
。
为什么会有人相信骗子的话去缅甸找高薪工作呢？
学习linux内核有什么好的书吗？
据说go和c#的开发者都说自己比较节省内存，你们认为呢？
为什么开发一个 AI Agent 看似容易，但真正让它「好用」却如此困难？技术瓶颈主要在哪里？
你见过哪些智障的反人类的设计？
女明星做了什么医美项目保持童颜？
生活中怎样的美女才能被称为「大」美女？
如何看待b站出现有关小米的大量反向标题，号称“薅千亿补贴”的现象？
golang总体上有什么缺陷？
Swift 和同时代的其他语言比起来怎么样？
电话：
座机：
邮箱：
地址：
