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。
。
公司就一个后端一个前端，有必要搞微服务吗？
可以随身携带一个Linux系统吗？
为什么负荷那么大的腰部力量训练的人不会受伤，长期无载荷久坐的人会出现腰肌劳损？
穿瑜伽裤爬山的女生会不会害羞？
目前最流行的 rust web 框架是什么？
雷军，是真的如表现的那么真诚吗？
你身边身材最好的女生是什么样？
自研项目，PHP用什么框架最好？
吴柳芳的真实水平如何？
微信头像会影响第一印象吗？
电话：
座机：
邮箱：
地址：
