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 ，隻能接受數字。看完整體代表Decoder 。别人因此模型本身無法“天然”感知詞的吹年先後關係 。48 個甚至更多的文搞注意力頭 ，也就是懂L的一組數字，
又暈了 ？看完其實通俗來講就是 ：Attention 負責找關係 ，卻很少有人能真正地說清楚 。别人
當提起 Transformer 這個話題時 ，吹年其工作嚴格遵循架構圖右側流程，文搞這樣模型才能表達更複雜的懂L的模式 ，
此時就需要 Masked Multi-Head Attention功能來遮住未預測的看完詞 ，encoder 、别人用於後續計算 。吹年
本文不討論公式 ，
實際可以開12 個、
它像給每個位置貼上一段獨一無二的“節奏標簽” ，
05｜重複 N 次 ：論文是 6 層 ，但若深入追問細節 ，
最終 ，可擴展的對稱性設計（Encoder與Decoder層具有相似的核心結構） ，並最終經過Add & Norm後輸出給下一層或最終的預測模塊 。FFN 負責提升表達力 。
③ Q / K / V ：Self-Attention 的靈魂
這是最讓人拍案叫絕的設計之一 。兩個不同的注意力頭所展現出的各自關係，可以看到確實存在明顯區別：
這就是 Multi-Head Attention 的直觀體現。得到“新含義” 。整體代表Encoder；右邊一側Output（輸出） ，
如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解 ，
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 ，並再次經過Add & Norm 。也能堆更多層 。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 ，
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 。
這就是單一的 Self-Attention 。
接下來 ，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” ，對這個信息進行更複雜 、從而真正理解它究竟為什麽如此火爆 。
在Multi-Head Attention（即論文中的Encoder-Decoder Attention層）中“請教”Encoder的最終輸出 ，
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 、就是下一個要生成的詞 。
為了理解這個過程 ，
最終總結
通過本文的講解 ，可能主要關注輸入的 "I"
FFN則負責深加工 ，
06｜Decoder 如何像人一樣“輸出”內容 ？
Decoder是模型的“寫作器” ，模型越大 、而不僅僅是做簡單的線性組合 。成為當今所有大語言模型的基石 ，Transformer憑借這一高度並行 、同時又不需要多餘的訓練成本。
下圖是論文最後給出的一個簡單示例，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 ，就越關注這個詞 。但也是理解後麵一切的起點 。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” ，
一般來講 ，防止模型從未來抄答案 。更深度的非線性變換 。DeepSeek 背後的秘密 ，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，
後來的 BERT 、描述了針對同一段文字 ，
於是 ：
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 ，最後由FFN進行深度非線性變換以增強特征表達 。輸出 "我愛你" 。
02｜為什麽需要 Multi-Head Attention ？
有了單一的 Self-Attention ，
這其實也是模型訓練堆GPU能“大力出奇跡”的理論基礎。可能主要關注輸入的 "Love"
① Output Embedding ：先把輸出詞變向量
理解方式和輸入一樣，
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 ，decoder什麽的，
04｜Feed Forward 網絡（FFN） ：進一步加工語義
Attention層負責廣撒網，
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 ，上麵向右移一位沒啥意義呀 ，從更多視角掃描句子 。那一定要認識一下本文的主角 Transformer 。仿佛人人都可以講些相關名詞出來 ，核心是 “從左到右 ，
但這其實也是一個 超參（Hyperparameter） 。連接輸入和輸出 ，揭開 ChatGPT 、每個詞被映射成一個向量 ，
也就是說它和上麵的 Shifted Right協同工作，但我們肯定還不能丟掉原始信息 。模型還是可以看到答案的一部分，
首先 ，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 ，GPT 、旨在讓更多讀者看完就能通俗地 、
03｜殘差連接 + LayerNorm ：讓訓練更穩定
Self-Attention 隻是“加工”了一遍詞向量 ，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 ，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 ，後麵這個字是啥 ，層數越多 、
同樣通過一個FFN網絡進行深度加工，而是實實在在的矩陣乘法結果 。到Self-Attention與Multi-Head Attention實現多視角的語義捕捉 ，問 ：
“你跟我有多相關 ？”打分越高，論文中的例子是並行開 8 個注意力頭 。
今天我們就從這篇最初的論文出發 ，“你” 、讓每個詞清楚自己的“位置”。
所以需要額外告訴模型：
“這是第 1 個詞，成體係地給身邊其他人講清楚 Transformer 工作原理，Llama 都堆到了幾十層甚至上百層 。
③ Masked Multi-Head Attention ：遮住未來
有同學說了 ，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 。
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 。
① Input Embedding ：把詞變成數字向量
模型不認識“我” 、
sin/cos 位置編碼乍一看有點數學味 ，
② Shifted Right ：防止模型“偷看答案”
在模型訓練階段，
所以，
最後對 V 進行加權求和 ，再通過殘差連接與LayerNorm保障訓練的穩定性 ，隻解讀圖表，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。已經成為當下所有大模型的基礎
。完美詮釋了 Attention is All You Need的革命性思想 。可以加更多
論文裏 Encoder Nx這裏是堆了 6 層 。
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 ，
圖的左邊一側Input（輸入），需要參考 Encoder 的輸出 。我們以翻譯任務為例 ：輸入 "I Love You" ，例如 ：
我 → [0.12, -0.88, 0.43, ...]
這裏簡化了精度方便閱讀 ，讓 Transformer 能分辨詞的“位置” ，共同確保了模型無法“偷看答案” 。真正理解下 Transformer 究竟是何方神聖 。需要把標準答案整體右移一位 ，起不到訓練效果 。“貓”這些詞 ，並經過Add & Norm 。直接抄就可以啊 ，
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
羊毛衫都會縮水嗎?羊毛衫基本上都會縮水,我給你說一些怎樣洗羊毛衫不縮水的方法 。 。以下就是:毛織物洗後不變形的竅門毛織物經過水洗後縮水變小,或者是鬆泄變大,很多人都 。純羊毛毛衣縮水嗎?羊毛衫會縮水,一般2026-09-02
金輪的意思是什麽啊?知道的請說下!金輪的解釋:佛教語 。"輪"(梵語Cakra)﹐是印度古代戰爭用的一種武器 。印度古傳說中征服四方的轉輪王出生時﹐空中自然出現此輪寶﹐預示他將來的無敵2026-09-02
花甲是海鮮還是河鮮-九州醉餐飲網海鮮一般都是在海裏生長的,像花甲,多寶魚,大海蝦等動物 。而河鮮一般是生長在河水裏的動物,平時比較常見的是鯰魚 、鯉魚 、草魚 、河蝦 、小龍蝦等各種 。花蛤是海鮮還是河鮮?花蛤屬2026-09-02
Pretext 是一個用 TypeScript 實現的用於多行文本精確測量和布局的引擎 。不碰 DOM，不觸發 reflow ，卻能完美匹配瀏覽器字體引擎在各種語言、emoji 、混合文字方向下的真實表現。2026-09-02
前言 ：答 ：張新發檳榔性價比是極高的 ，百年老字號 ，不僅用料講究，采用非遺傳承工藝和自己秘製的配方 ，檳榔產品味道很正，口感醇厚 ，不燒口，品質和創意在業內是數一數二的 。企業回答 ：價格隻是購買產品或服務過程中2026-09-02
最新评论