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/}
女朋友是体育生是一种什么体验？ 
从银行辞职你还能干什么？ 
可以分享你的一张背影照吗？ 
800V是什么技术，为什么特斯拉不跟进？ 
目前最具性价比的全栈路线是啥？ 
能分享一下你写过的rust项目吗？ 
买到烂尾楼到底该有多绝望？ 
你身边身材最好的女生是什么样？ 
怎么自学成为计算机大佬？ 
***《凡人修仙传》有哪些令人伤感的情节？ 
怎样从零开始学编程语言swift？ 
为什么中国主机带宽比美国贵5倍（原来错误的10000倍），比如阿里云？ Rust1.86才正式稳定trait的upcast，为什么在rust中这个特性实现如此复杂？ 
DDR5内存和CPU速度差不多了CACHE还有什么意义？ 你的亲戚提过什么过分的要求？ 
PHP现在真的已经过时了吗？ 
