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/}
日本AV对中国人的毒害有多大？ 
AMD、Intel的下一代CPU的PPT都显示了强劲的性能提升，是在吹牛吗？ 
为什么不用rust重写Nginx？ 
消息称苹果 macOS 26 将不再支持部分旧款英特尔 CPU 机型，这背后原因有哪些？ 
python与nodejs哪个性能高？ 
这种裙子是不是对直男爆杀？ 
为什么说 Node.js 有望超越J***a？ 
吴亦凡这样的人进了监狱，***情况会和普通人一样吗？ 
为什么都认为无GC语言一定会比有GC语言要快？ 
最适合 Mac 带 Type-C 接口的转接口 / 扩展坞有哪些？ 
微软宣布 5 月 28 日开始下架「Microsoft 远程桌面」应用，背后原因有哪些？ 
为什么Steam Deck能做好Windows游戏转译但是Apple Mac就做不好？ python与nodejs哪个性能高？ 
为什么CCTV-6总是能播一些连院线都上不了的电影？ 
如何评价《一人之下》第722（765）话情报？ 
学编程要不要买电脑? 
