別人吹r看懂 L的 T完能和一文搞一年
我要评论② Shifted Right ：防止模型“偷看答案”
在模型訓練階段 ，文搞
如果你想對當下 AI LLM(大語言模型) 的懂L的工作原理有所了解 ，
在Multi-Head Attention（即論文中的看完Encoder-Decoder Attention層）中“請教”Encoder的最終輸出 ，例如：
我 → [0.12,别人 -0.88, 0.43, ...]
這裏簡化了精度方便閱讀，輸出 "我愛你"。吹年
後來的文搞 BERT、
句子中的懂L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 ，
於是看完 ：
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 ，
此時就需要 Masked Multi-Head Attention功能來遮住未預測的别人詞 ，可以看到確實存在明顯區別：
這就是吹年 Multi-Head Attention 的直觀體現。仿佛人人都可以講些相關名詞出來 ，文搞更深度的懂L的非線性變換。得到“新含義” 。看完這樣模型才能表達更複雜的别人模式 ，相當於給模型做一個填空題 ：
題目: <start> 我 愛此時模型看到的吹年是 ：
<start> 我 愛也就是右移一格。也就是一組數字 ，
圖的左邊一側Input（輸入），防止模型從未來抄答案 。
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。它需要依次填出三個空 ：
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 ，
今天我們就從這篇最初的論文出發 ，48 個甚至更多的注意力頭 ，每個注意力頭可以關注不同的視角 ，encoder 、起不到訓練效果 。並最終經過Add & Norm後輸出給下一層或最終的預測模塊。連接輸入和輸出 ，模型越大 、描述了針對同一段文字 ，向量化這一步非常基礎，可能主要關注輸入的 "Love"
首先 ，
最終 ，“你” 、核心是 “從左到右 ，
一般來講，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” ，可能主要關注輸入的 "I"
但這其實也是一個 超參（Hyperparameter） 。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。
從更多視角掃描句子 。最後對 V 進行加權求和，
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 、但也是理解後麵一切的起點 。後麵這個字是啥 ，這層 Attention 是橋梁，而不僅僅是做簡單的線性組合 。模型還是可以看到答案的一部分 ，我們以翻譯任務為例 ：輸入 "I Love You" ，FFN 負責提升表達力 。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 ，卻很少有人能真正地說清楚 。但我們肯定還不能丟掉原始信息 。需要把每個詞轉換成一個向量，揭開 ChatGPT、上麵向右移一位沒啥意義呀，因此模型本身無法“天然”感知詞的先後關係。從而真正理解它究竟為什麽如此火爆 。
為了理解這個過程 ，
注意力頭的數量是一個超參（Hyperparameter） ，
① Output Embedding ：先把輸出詞變向量
理解方式和輸入一樣，成體係地給身邊其他人講清楚 Transformer 工作原理 ，論文中的例子是並行開 8 個注意力頭 。
這就是單一的 Self-Attention。共同確保了模型無法“偷看答案”。
這其實也是模型訓練堆GPU能“大力出奇跡”的理論基礎。到Self-Attention與Multi-Head Attention實現多視角的語義捕捉 ，
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 ，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” ，
同樣通過一個FFN網絡進行深度加工 ，
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 ，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 ，用於後續計算 。兩個不同的注意力頭所展現出的各自關係，
③ Masked Multi-Head Attention ：遮住未來
有同學說了 ，並經過Add & Norm。並在開頭加上起始符
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，下麵我們就來一步步通俗理解下這張架構圖的深層含義。
sin/cos 位置編碼乍一看有點數學味 ，已經成為當下所有大模型的基礎 。Transformer憑借這一高度並行 、並再次經過Add & Norm 。
本文不討論公式 ，
又暈了 ？其實通俗來講就是 ：Attention 負責找關係 ，就是下一個要生成的詞 。Llama 都堆到了幾十層甚至上百層 。再通過殘差連接與LayerNorm保障訓練的穩定性 ，整體代表Encoder；右邊一側Output（輸出） ，但若深入追問細節 ，直接抄就可以啊 ，GPT 、
接下來 ，
比如模型要開始做這張填空卷了 。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
，
06｜Decoder 如何像人一樣“輸出”內容 ？
Decoder是模型的“寫作器”，其工作嚴格遵循架構圖右側流程 ，
它像給每個位置貼上一段獨一無二的“節奏標簽” ，
下圖是論文最後給出的一個簡單示例 ，最後由FFN進行深度非線性變換以增強特征表達 。
當提起 Transformer 這個話題時 ，隻能接受數字。理解力越強。
04｜Feed Forward 網絡（FFN） ：進一步加工語義
Attention層負責廣撒網，那一定要認識一下本文的主角 Transformer 。把相關信息搜集到一起；
FFN則負責深加工 ，
05｜重複 N 次 ：論文是 6 層 ，而是實實在在的矩陣乘法結果 。可以加更多
論文裏 Encoder
Nx這裏是堆了 6 層 。最終總結
通過本文的講解 ，需要把標準答案整體右移一位，這是第 2 個詞……”
論文使用了 sin + cos 函數計算的位置編碼方式 ，真正理解下 Transformer 究竟是何方神聖 。更抽象的特征表達 ，逐詞生成” 。隻解讀圖表 ，
也就是說它和上麵的
Shifted Right協同工作 ，就越關注這個詞 。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 ，讓每個詞清楚自己的“位置” 。問 ：
“你跟我有多相關 ？”打分越高，decoder什麽的 ，需要參考 Encoder 的輸出 。讓 Transformer 能分辨詞的“位置”，成為當今所有大語言模型的基石，
① Input Embedding：把詞變成數字向量
模型不認識“我” 、
02｜為什麽需要 Multi-Head Attention ？
有了單一的 Self-Attention ，
③ Q / K / V ：Self-Attention 的靈魂
這是最讓人拍案叫絕的設計之一 。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 ，
所以需要額外告訴模型 ：
“這是第 1 個詞 ，
實際可以開12 個 、也能堆更多層 。
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） ，同時又不需要多餘的訓練成本。對這個信息進行更複雜 、但對模型來說是非常簡單高效的 。層數越多 、完美詮釋了
Attention is All You Need的革命性思想 。所以 ，“貓”這些詞 ，
相关文章
訂單含金量在下降 ，訂單研發的含金量在上升 。01產品體係中 ，訂單管理作為交易鏈路上最核心的模塊，其流程的難度和複雜度都比較高 ，尤其是在經典的電商業務中 ，訂單幾乎和係統中所有核心的模塊都有交互 ，在訂單設計2026-09-02
經常用 Codex 後 ，我發現 AGENTS.md 隻該管一件事
讓 Codex 少走彎路 ：一份全局 AGENTS.md 的取舍Codex GPT-5.6、Claude Fable 這一代模型變強後 ，我反而開始刪 Prompt 。以前總怕 AI 理解錯 。恨不得把“先看2026-09-02
實戰對比 ：用 mpremote/Putty/MobaXterm 連接樹莓派 Pico REPL ，誰更省心 ？
電腦連接樹莓派 Pico通過 USB 連接我們可以利用多個遠程控製終端通過 USB 線和樹莓派 Pico 進行連接通信 ，常見的遠程控製終端包括 MobaXterm 、Putty 、mpremote、Xsh2026-09-02
C# .NET 周刊 ｜2026 年 8 月 2 期 2026-08-09 dotnet_week_26_8_2國內文章用 Inno Setup 把 .NET 程序打包成安裝包 ：從零到發布的完整指南h2026-09-02
OpenClaw 技術解構 ：從 WhatsApp 聊天機器人到 AI 操作係統
結構決定功能 ，曆史揭示設計 。本文從用戶視角出發，向底層追問"它是怎麽做到的" 。OpenClaw 是什麽 ？你在任何聊天窗口給它發一條消息 ，它就能幫你操作電腦——執行命令 、讀寫文件 、瀏覽網頁、操控桌麵應用2026-09-02
在把大模型接入日常工作流之後 ，筆者很快遇到了一個新問題 ：模型到底被用了多少次？每天的高峰時段是什麽時候 ？周末是不是真的沒人調用 ？如果對這些數據一無所知 ，就談不上優化成本 、排查異常 ，更談不上為後續擴容做2026-09-02
最新评论