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/}
Rust 的设计缺陷是什么？ 
为什么好多人不承认大众审美就是喜欢白皮？ 
为什么鸿蒙PC要排斥Linux生态？ 
现在个人博客不能备案了吗？ 
Golang和J***a到底怎么选? 
后端开发除了增删改查还有什么？ 
妈妈去世后，外婆家的亲戚集体不来，我还要跟他们交往吗？ 
鱼缸过滤全天开着太耗电，关掉半天又容易水浑，有什么好办法？ 
你和你老婆是怎么认识的？ 
为什么成功人士的精力都非常旺盛？ 
小朋友到底应不应该购买SWitch? 
为什么Mac连个正儿八经的CAD都装不了还敢打着生产力的旗号？ 
面试中被嘲笑Token放在redis里，该如何应对这种情况呢？ 
只用321原则备份家用Nas 数据而不组建raid阵列的人，不怕哪天备份全部同时损坏导致无法恢复吗？ 
国外的女生为什么屁股都大？ 
要不要帮导师装服务器? 
