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/}
以色列为什么突然敢打伊朗了？不怕被报复？ 
苏炳添在 2025 全国田径大奖赛蚌埠站 100 米预赛中止步小组第三，背后的原因可能有哪些？ 
为什么腾讯云或者阿里云不让自建dns服务器? 
为什么一部分 Go 布道师的博客不更新了？ 
你曾看到空乘做过的最傻的事情是什么？ 
《我的团长我的团》中有哪些细思极恐的细节？ 
程序员从幼稚走向成熟的标志是什么？ 
能发一张在暧昧期的聊天记录吗？ 
目前亚洲最厉害的五款战斗机是什么？ 
只能选一个，你选谁？ 
Linux里面usermod -L zhangsan命令是什么？ 
你们都什么时候对男女之事开窍的？ 
为什么日本人口密度这么大还能住一户建，中国只能住楼房？ 
鱼缸长这种藻是什么藻？是好是坏？ 
中国军队有多强，在世界能排第几？ 
胸大的女孩会自卑 吗？ 
