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。
。
{dede:pagebreak/}
如何看待 Rust 写的 PNG 解码器比 C 实现更快？ 
如何评价赵本山的演技？ 
Anthropic 推出的 Claude Code 是什么技术原理呢？ 
如何评价MiniMax开源首个视觉RL统一框架V-Triune，实现推理感知一肩挑，其技术上有何优势？ 
腰陆陆续续疼了一年多了，这个是腰突吗? 
有一张巨强的显卡是什么体验？ 
如何用C#做个远程桌面管理工具？ 你愿不愿意在大城市过一辈子？ 
坚持使用 PHP 的你，如今有什么感悟？ 
空战的时候可不可以先击落预警机? 
为什么从事技术的人普遍都比较难沟通？ 
《甄嬛传》中祺贵人为什么和甄嬛反目？ 
你对你的长相、身材、气质满意吗？ 
PHP现在真的已经过时了吗？ 
为什么有的女生喜欢穿紧身牛仔裤？ 
服务器能否拒绝非浏览器发起的HTTP请求？ 
