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。
。
python与nodejs哪个性能高？
为什么有的女生喜欢穿紧身牛仔裤？
深圳高二中学生「手搓」火箭飞燕一号发射成功，突破 10KM 海拔高度，这属于什么水平？手搓火箭有多难？
维生素D对大脑神经系统有作用吗？
怎么评价国内AI企业人肉背15块80TB硬盘，飞去马来西亚用英伟达训练数据，以规避美国禁令?
你后悔娶了现在老婆吗？
一岁宝宝高烧39度，爸爸还能睡得着，离吗？
只用321原则备份家用Nas 数据而不组建raid阵列的人，不怕哪天备份全部同时损坏导致无法恢复吗？
写日记，比较喜欢用电脑，还是手写?
你身边身材最好的女生是什么样？
电话：
座机：
邮箱：
地址：
