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/}
现在php还有前途吗？ 
为什么武汉的发展感觉对不起它逆天的位置？ 
请问二楼放很多鱼缸会把楼压塌吗？ 
有哪些小众的开源项目养活了一大批人? 
现在学编程晚不晚？ 小米 YU7 发布会，有哪些大说特说的点其实是行业基操？ 
「绝世美女」都有什么特点？ 
Apple watch 是否在干掉传统机械手表？ 
为什么 mac mini 的 m4 版本价格这么低呢？ 
有用 NAS 被联通以安全为由要求停止使用的吗？ 
为什么Next.js和Nuxt.js发布时间只隔了几小时？ 
为什么有的女生喜欢穿紧身牛仔裤？ 
你见过最极致的节省能省到什么程度？ 
有些家长可以恶心到什么程度？ 
有邻居的追求者出价三万，让我连续半个月每天找个女朋友晚上弄点动静，我该答应吗？ 
苹果这家公司伟大之处在哪里？ 
