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/}
UPS电源要如何选择？ 
实体店为什么生意越来越难做了？ 
前端是不是快没了？ 
如何评价特厨隋坡对鲁菜根的评价？ 
周杰伦为什么不告粥饼伦黑伦侵犯他的名誉权? 
美国的制造业能回流成功吗？ 
为什么重庆的房子这么便宜? 
go 有哪些成熟点的后台管理框架？ 
有什么 j***ascript 的好书推荐？ 
为什么不能做出1T的内存条？ 
Django、Flask、FastAPI，Python 后端哪个更好？ 
为什么都 2025 年了，还有那么多人宁可双持，也不愿意放弃安卓或非安卓手机？ 
为什么中国很少有人使用linux？ 如何用好85mm定焦镜头？ 
编译器和解释器的分界线在哪，字节码效率能否无限接近机器码？ 
我妈要把我的彩礼给我后爸，报答他的养育之恩，我该怎么看? 
