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。
。
为啥软路由大多都是爱快加openwrt的组合，单openwrt有什么缺点嘛？
为什么管理一严，员工就走人？
中国与敌国发生战争，哪些国家会帮中国？
Rust怎么写GUI程序？
Office和WPS哪个好用些？
换过电池的苹果手机内部发现被加装了一个部件，有大佬知道这是干什么的吗?
为什么台式 PC 还处在组装（DIY）阶段？
为什么从事技术的人普遍都比较难沟通？
万兆的网络速度有多大意义？
前端如何设计网页？
电话：
座机：
邮箱：
地址：
