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。
。
为什么很多人 get 不到林青霞的美？
WebSocket 是什么原理？为什么可以实现持久连接？
如何评价neovim 0.11？
有一个***约你出去，你会去吗？
为什么LibreOffice的Windows版在国内火不起来？
1MB其实是一个很大的存储单位，那么它的存储容量究竟有多大？
普通人不会写代码，如何利用AI开发APP或小程序？
美国很多地方废弃，为啥很多人宁可在街上流浪，也没有人去开荒种地呢？
电话：
座机：
邮箱：
地址：
