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/}
为什么武林中的女侠不但武功奇高，还没有练出来麒麟臂大粗腿和老茧？ 
电视剧《繁花》中，爷叔为什么会离开宝总？ 
做引体向上可能会诱发腰肌劳损吗？ 
做引体向上可能会诱发腰肌劳损吗？ 
华为 HDC 发布 HarmonyOS 6 开发者 beta 版对应用开发者和鸿蒙生态有哪些影响？ 
2025年6月，到底买油车还是电车？ 
为什么很多车评人都买沃尔沃？ 
一名女子在杭州万象城遭挟持被捅 20 多刀，隆胸***体救了一命，这反映出哪些公安系统的问题？ 
git是Linus一个人开发出来的吗？ 
为什么贵州旅游收入会超过云南？ 
可以分享一下你从互联网上获得的优质***吗? 
为什么内蒙古大草原上以羊肉为主食，有那么好的羊，却很少听说内蒙古的羊汤有什么名气？ 
PHP现在真的已经过时了吗？ 
女生第一次来大姨妈什么感受？ 
自己正在变老的明显特征是什么？ 
27寸显示器是否有必要到4K？ 
