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/}
从技术上看，cloudflare比其他公司牛在哪儿？ 
程序员明明是技术积累岗位，为什么年龄越大反而可替代性变高了？ 
华为云有没有实力挑战阿里云？ 
为什么10年前电脑内存就普遍16GB了，现在还是普遍16GB？ 
Rust 和 Go 的并发模型有什么不同，为什说 Rust 的并发模型更好 ？（1.0已没有内建模型？ 
为什么 Go 语言的 Error Handling 被某些人认为是一个败笔？ 
Flutter 为什么没有一款好用的UI框架？ 为什么10年前电脑内存就普遍16GB了，现在还是普遍16GB？ 
怎么评价国内AI企业人肉背15块80TB硬盘，飞去马来西亚用英伟达训练数据，以规避美国禁令? 
高一弟弟上设计课需要买电脑，为了杜绝他打游戏给他买了一万二的苹果，但他还是在想办法下载游戏，怎么救？ 
中国大陆地区献血率为何如此低下？ 
程序员每天会阅读哪些技术网站来提升自己? 
公司规定所有接口都用 post 请求，这是为什么？ 
养龟玩龟的人可怕吗？ 
PHP现在真的已经过时了吗？ 
你见过最无用的节俭行为是什么？ 
