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/}
有一双超级大长腿是什么感觉？ 
docker有哪些有趣的用途? 
如何看待机器之心重测高考数学全卷，Gemini夺冠，豆包DeepSeek并列第二？ 
美国下场打伊朗算不算三战开始了？ 
你身边身材最好的女生是什么样？ 
编程语言 MoonBit 发布 Beta 版，正式进入企业场景应用，会带来哪些影响？ 
为什么一部分 Go 布道师的博客不更新了？ 
为什么某些人说中国现在全球军事实力第一，但包括中国人在内很多人不认可？ 
公司就一个后端一个前端，有必要搞微服务吗？ 
为什么棒球在我国毫无水花？ 
国外的女生为什么屁股都大？ 
北京日报点名批评“苏超”过度娱乐化，它是否管的太宽了？为什么无良媒体不会被查封取缔？ 
各双拼输入方案之间有明显的优劣之分吗？ 
Linux 服务器有必要开启 iptables 防火墙么？ 女生体毛旺盛是什么样的体验？ 
为什么人到中年，很少有身材苗条的？ 
