別人吹r看懂 L的 T完能和一文搞一年
我要评论論文使用了 sin + cos 函數計算的位置編碼方式 ，
它像給每個位置貼上一段獨一無二的懂L的“節奏標簽” ，共同確保了模型無法“偷看答案” 。看完
所以 ，别人就是吹年下一個要生成的詞。因此模型本身無法“天然”感知詞的文搞先後關係。
於是懂L的 ：
原始輸入 + 注意力結果 → 做 LayerNorm 歸一化（對應架構圖中 Add & Norm）
這個殘差結構讓訓練穩定得多，
同樣通過一個FFN網絡進行深度加工，看完隻能接受數字 。别人那一定要認識一下本文的吹年主角 Transformer 。理解力越強 。文搞decoder什麽的懂L的 ，成體係地給身邊其他人講清楚 Transformer 工作原理 ，看完encoder、别人
最後對 V 進行加權求和 ，吹年得到“新含義” 。下麵我們就來一步步通俗理解下這張架構圖的深層含義 。成為當今所有大語言模型的基石，模型越大 、仿佛人人都可以講些相關名詞出來，已經成為當下所有大模型的基礎。先引用這篇論文中的關於 Transformer 這個模型的整體架構圖 ：
上來直接就看架構圖是不是有些暈 ？
沒關係 ，
論文中描述FFN的關鍵內容參考如下：
簡單理解它就是一個非常樸素的兩層全連接網絡 ：
Linear → ReLU → Linear
FFN 的結果是 ：讓每個 token 得到更豐富 、
05｜重複 N 次 ：論文是 6 層 ，
它最初來自一篇被稱為“AI 大航海時代起點”的論文 ：
- Attention is All You Need
這篇論文首次提出的 Transformer 架構 ，並經過Add & Norm 。相當於給模型做一個填空題 ：
題目: <start> 我 愛此時模型看到的是 ：
<start> 我 愛也就是右移一格 。最後由FFN進行深度非線性變換以增強特征表達 。也就是一組數字，也能堆更多層 。
圖的左邊一側Input（輸入） ，讓 Decoder 可以“請教 Encoder”：
“你生成的詞和輸入序列的哪些部分相關 ？”
例如翻譯 "I Love You"：
- 生成 "我" 時 ，GPT 、核心是 “從左到右 ，並在開頭加上起始符
，旨在讓更多讀者看完就能通俗地 、就越關注這個詞 。這樣模型才能表達更複雜的模式，完美詮釋了 Attention is All You Need的革命性思想 。本文不討論公式 ，兩個不同的注意力頭所展現出的各自關係，句子裏的每個詞都會 ：
拿著自己的 Q 到其他詞的 K 那裏去“打分” ，
首先 ，
③ Q / K / V ：Self-Attention 的靈魂
這是最讓人拍案叫絕的設計之一 。每個詞被映射成一個向量 ，再通過殘差連接與LayerNorm保障訓練的穩定性，其工作嚴格遵循架構圖右側流程 ，後麵這個字是啥，輸出 "我愛你"。
但這其實也是一個 超參（Hyperparameter）。逐詞生成” 。模型還是可以看到答案的一部分 ，把相關信息搜集到一起；
FFN則負責深加工，同時又不需要多餘的訓練成本 。
最終總結
通過本文的講解 ，
sin/cos 位置編碼乍一看有點數學味，對這個信息進行更複雜 、從更多視角掃描句子 。Transformer憑借這一高度並行 、需要把每個詞轉換成一個向量 ，Llama 都堆到了幾十層甚至上百層。並再次經過Add & Norm 。
② Shifted Right ：防止模型“偷看答案”
在模型訓練階段 ，更深度的非線性變換 。可能主要關注輸入的 "You"
⑤ Linear + Softmax：得到下一個詞的概率
比如已經生成了“我愛” ，
如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解 ，揭開 ChatGPT、描述了針對同一段文字，到Self-Attention與Multi-Head Attention實現多視角的語義捕捉 ，需要參考 Encoder 的輸出 。防止模型從未來抄答案。
03｜殘差連接 + LayerNorm ：讓訓練更穩定
Self-Attention 隻是“加工”了一遍詞向量，可擴展的對稱性設計（Encoder與Decoder層具有相似的核心結構） ，
這其實也是模型訓練堆GPU能“大力出奇跡”的理論基礎 。直接抄就可以啊 ，
② Positional Encoding：給模型裝上“位置感”
Transformer 沒有像傳統 RNN 那樣按順序逐詞處理輸入 ，“你” 、
在Multi-Head Attention（即論文中的Encoder-Decoder Attention層）中“請教”Encoder的最終輸出 ，而是實實在在的矩陣乘法結果 。向量化這一步非常基礎 ，
又暈了？其實通俗來講就是 ：Attention 負責找關係 ，
01｜輸入是怎麽被 Transformer“看懂”的 ？
整個輸入流程你隻需要先記住下麵的關鍵流程：
詞 → 向量 → 加位置 → Q/K/V → 注意力 → FFN → 輸出
然後我們來一點一點看 。
04｜Feed Forward 網絡（FFN） ：進一步加工語義
Attention層負責廣撒網 ，讓 Transformer 能分辨詞的“位置” ，但我們肯定還不能丟掉原始信息 。可能主要關注輸入的 "I"
論文裏 Encoder Nx這裏是堆了 6 層
。
① Input Embedding：把詞變成數字向量
模型不認識“我”、更抽象的特征表達，會有類似這樣的一組概率 ：
你 ：71%
他 ：16%
它 ：11%
其它 ：2%
選概率最高的，
Encoder通過堆疊N個相同的層來逐步深化對輸入的理解；Decoder的每個層則嚴格遵循一個更複雜的處理流程 ：
在Masked Multi-Head Attention中確保生成時不會“偷看”未來 ，
今天我們就從這篇最初的論文出發 ，從而真正理解它究竟為什麽如此火爆 。
為了理解這個過程 ，我們以翻譯任務為例 ：輸入 "I Love You" ，DeepSeek 背後的秘密 ，連接輸入和輸出 ，真正理解下 Transformer 究竟是何方神聖 。
實際可以開12 個、上麵向右移一位沒啥意義呀 ，可能主要關注輸入的 "Love"
第一個空 ：題目是 <start> ______第二個空：題目是 <start> 我 ______第三個空 ：題目是 <start> 我 愛 ______④ Multi-Head Attention- “請教Encoder”
Decoder 在生成新詞時，
02｜為什麽需要 Multi-Head Attention ？
有了單一的 Self-Attention ，
當提起 Transformer 這個話題時 ，我們一步步拆解了Transformer的核心機製 ：從詞向量化與位置編碼奠定基礎 ，卻很少有人能真正地說清楚 。
下圖是論文最後給出的一個簡單示例 ，
所以需要額外告訴模型：
“這是第 1 個詞 ，隻解讀圖表，整體代表Decoder 。48 個甚至更多的注意力頭 ，但也是理解後麵一切的起點。“貓”這些詞，為啥又需要 Multi-Head Attention 呢？
因為我們需要從多個角度來理解自然語言 。
這就是單一的 Self-Attention 。讓每個詞清楚自己的“位置”。論文中的例子是並行開 8 個注意力頭。這層 Attention 是橋梁 ，需要把標準答案整體右移一位，整體代表Encoder；右邊一側Output（輸出），
接下來，
也就是說它和上麵的
Shifted Right協同工作 ，一般來講，但對模型來說是非常簡單高效的 。
① Output Embedding ：先把輸出詞變向量
理解方式和輸入一樣，
後來的 BERT 、可以看到確實存在明顯區別 ：
這就是 Multi-Head Attention 的直觀體現 。並最終經過Add & Norm後輸出給下一層或最終的預測模塊 。例如 ：
- 有些頭專注於主謂關係
- 有些頭捕捉代詞指代
- 有些頭看句子情感
- 有些頭看名詞短語邊界
- 有些頭看長距離依賴
- 有些頭捕捉句法樹結構
- ...
Transformer 不是隻看一個角度 ，什麽自注意力機製啊 、但若深入追問細節 ，
句子中的每個詞都會生成 3 個向量 ：
- Q（Query）我想找什麽？
- K（Key）我是誰？我有什麽特征？
- V（Value）我的實際含義是什麽？
它們不是概念，例如：
我 → [0.12, -0.88, 0.43, ...]
這裏簡化了精度方便閱讀 ，問 ：
“你跟我有多相關 ？”打分越高 ，而不僅僅是做簡單的線性組合。
注意力頭的數量是一個超參（Hyperparameter） ，
比如模型要開始做這張填空卷了 。FFN 負責提升表達力 。
③ Masked Multi-Head Attention ：遮住未來
有同學說了，
06｜Decoder 如何像人一樣“輸出”內容 ？
Decoder是模型的“寫作器” ，Decoder的輸出經由Linear+Softmax層轉換為下一個詞的概率分布 。
最終，
此時就需要
Masked Multi-Head Attention功能來遮住未預測的詞 ，
相关文章
別再吹牛了 ，100% Vibe Coding 存在無法自洽的邏輯漏洞 ！
注 ：本文是親身經曆企業級的 Vibe coding 項目後的經驗總結 ，有趣的是在寫這篇文章過程中 ，查到一個很好玩的資料 ，就是 Vibe Coding 這個詞的發明者 Andrej KarpathyOp2026-09-02
為什麽說 IO 操作異步才有意義 ，CPU 密集操作異步沒有太大意義背景與問題在後端開發中 ，我們經常討論異步編程模型 ，尤其是在 Node.js 、Netty 等技術棧中 。一個普遍的共識是 ：異步對於 IO2026-09-02
在高可用架構中 ，避免單點故障至關重要 。Keepalived正是為了解決這一問題而生的輕量級工具 。本文將深入淺出地介紹Keepalived的工作原理，並提供從編譯安裝到實戰配置的完整指南 。1. Keep2026-09-02
入職多年，麵對生產環境 ，盡管都是小心翼翼 ，慎之又慎 ，還是難免捅出簍子 。輕則滿頭大汗 ，麵紅耳赤。重則係統停擺 ，損失資金。每一個生產事故的背後 ，都是寶貴的經驗和教訓 ，都是項目成員的血淚史 。為了更好地防範和2026-09-02Keepalived詳解 ：原理 、編譯安裝與高可用集群配置
在高可用架構中 ，避免單點故障至關重要。Keepalived正是為了解決這一問題而生的輕量級工具 。本文將深入淺出地介紹Keepalived的工作原理，並提供從編譯安裝到實戰配置的完整指南 。1. Keep2026-09-02
基於NetCorePal Cloud Framework的DDD架構管理係統實踐
基於NetCorePal Cloud Framework的DDD架構管理係統實踐前段時間在做一個管理係統的項目 ，想嚐試一下DDD架構在實際項目中的應用。經過一番調研 ，最終選擇了NetCorePal C2026-09-02
最新评论