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。
。
为何雷军天天健身，却无健身痕迹?
皮肤太白是种怎样的体验？
postgresql能取代mongodb吗？
你的低成本爱好是什么？
什么洗碗机，真的有家庭在用么？
63 岁演员马景涛直播时突然晕倒、后脑勺磕地，合作方称其突发低血糖，为什么会这样？如何急救？
如何评价前端组件库shadcn/ui?
为什么用 electron 开发的桌面应用那么多？
为什么Go仅仅160MB的安装包就可以编译程序，而Rust却还需要几个GB的VC++才能编译？
《捞女游戏》发售仅一天同时在线超 6330 人，如何看待游戏的销量？
电话：
座机：
邮箱：
地址：
