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。
。
Python+rust会是一个强大的组合吗？
央企的信创，是否有必要把 spring 替换成国产的 solon ？
有没有人***正好撞到你擅长的领域上的？
你怎么看待剪映收费过高问题？
哪张照片让你觉得刘亦菲美得不可方物？
为什么老顾客吃着吃着就不再来照顾生意了呢？
为什么中国主机带宽比美国贵5倍（原来错误的10000倍），比如阿里云？
瑜伽裤和牛仔裤哪个更显身材？
为什么 Windows 没有比较成熟的第三方桌面环境（explorer.exe）？
为什么 mac mini 的 m4 版本价格这么低呢？
电话：
座机：
邮箱：
地址：
