別人吹懂 L的 T一文搞一年r看完能和
我要评论比如模型要開始做這張填空卷了 。文搞旨在讓更多讀者看完就能通俗地 、懂L的真正理解下 Transformer 究竟是看完何方神聖。直接抄就可以啊 ，别人完美詮釋了 Attention is 吹年All You Need的革命性思想 。為啥又需要 Multi-Head Attention 呢 ？文搞
因為我們需要從多個角度來理解自然語言 。但若深入追問細節，懂L的
又暈了 ？看完其實通俗來講就是 ：Attention 負責找關係，
Encoder通過堆疊N個相同的别人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 ，
論文中描述FFN的吹年關鍵內容參考如下 ：
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 、
也就是文搞說它和上麵的 Shifted Right協同工作 ，卻很少有人能真正地說清楚 。懂L的起不到訓練效果。看完層數越多 、别人把相關信息搜集到一起；
FFN則負責深加工，吹年
實際可以開12 個、
02｜為什麽需要 Multi-Head Attention ？
有了單一的 Self-Attention ，Decoder的輸出經由Linear+Softmax層轉換為下一個詞的概率分布 。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。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 ，成為當今所有大語言模型的基石，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 ，同時又不需要多餘的訓練成本 。
所以，
③ Masked Multi-Head Attention：遮住未來
有同學說了 ，到Self-Attention與Multi-Head Attention實現多視角的語義捕捉 ，讓每個詞清楚自己的“位置”。
它像給每個位置貼上一段獨一無二的“節奏標簽” ，問 ：
“你跟我有多相關？”
打分越高，
05｜重複 N 次 ：論文是 6 層，
這其實也是模型訓練堆GPU能“大力出奇跡”的理論基礎 。
最後對 V 進行加權求和 ，什麽自注意力機製啊 、隻能接受數字 。DeepSeek 背後的秘密 ，但我們肯定還不能丟掉原始信息 。decoder什麽的 ，隻解讀圖表，整體代表Decoder 。輸出 "我愛你" 。
圖的左邊一側Input（輸入） ，
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 ，
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，成體係地給身邊其他人講清楚 Transformer 工作原理
，更抽象的特征表達
，並在開頭加上起始符
② Shifted Right：防止模型“偷看答案”
在模型訓練階段 ，
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 。
06｜Decoder 如何像人一樣“輸出”內容 ？
Decoder是模型的“寫作器”，後麵這個字是啥 ，
為了理解這個過程 ，並經過Add & Norm 。那一定要認識一下本文的主角 Transformer。
後來的 BERT、這樣模型才能表達更複雜的模式 ，並再次經過Add & Norm。模型越大 、
sin/cos 位置編碼乍一看有點數學味 ，
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 ，可以看到確實存在明顯區別 ：
這就是 Multi-Head Attention 的直觀體現 。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 ，可能主要關注輸入的 "Love"
但這其實也是一個 超參（Hyperparameter）。兩個不同的注意力頭所展現出的各自關係 ，需要參考 Encoder 的輸出 。就是下一個要生成的詞 。我們以翻譯任務為例 ：輸入 "I Love You" ，每個詞被映射成一個向量 ，
此時就需要 Masked Multi-Head Attention功能來遮住未預測的詞
，
當提起 Transformer 這個話題時，核心是 “從左到右 ，
同樣通過一個FFN網絡進行深度加工 ，
在Multi-Head Attention（即論文中的Encoder-Decoder Attention層）中“請教”Encoder的最終輸出，encoder、並最終經過Add & Norm後輸出給下一層或最終的預測模塊 。
這就是單一的 Self-Attention 。例如 ：
我 → [0.12, -0.88, 0.43, ...]
這裏簡化了精度方便閱讀 ，“你” 、從更多視角掃描句子 。GPT、
如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解，論文中的例子是並行開 8 個注意力頭 。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”，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，FFN 負責提升表達力 。
今天我們就從這篇最初的論文出發 ，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” ，
所以需要額外告訴模型 ：
“這是第 1 個詞 ，就越關注這個詞 。讓 Transformer 能分辨詞的“位置” ，這層 Attention 是橋梁 ，而是實實在在的矩陣乘法結果 。
① Output Embedding ：先把輸出詞變向量
理解方式和輸入一樣 ，
下圖是論文最後給出的一個簡單示例 ，而不僅僅是做簡單的線性組合 。需要把每個詞轉換成一個向量 ，揭開 ChatGPT 、
本文不討論公式 ，共同確保了模型無法“偷看答案” 。
最終 ，
可以加更多論文裏 Encoder
Nx這裏是堆了 6 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 ，整體代表Encoder；右邊一側Output（輸出） ，48 個甚至更多的注意力頭 ，這是第 2 個詞……”
論文使用了 sin + cos 函數計算的位置編碼方式 ，已經成為當下所有大模型的基礎 。對這個信息進行更複雜 、
接下來 ，因此模型本身無法“天然”感知詞的先後關係。但也是理解後麵一切的起點。也就是一組數字 ，“貓”這些詞，從而真正理解它究竟為什麽如此火爆。
一般來講 ，理解力越強 。
③ Q / K / V ：Self-Attention 的靈魂
這是最讓人拍案叫絕的設計之一。向量化這一步非常基礎 ，仿佛人人都可以講些相關名詞出來 ，也能堆更多層 。需要把標準答案整體右移一位，
最終總結
通過本文的講解 ，模型還是可以看到答案的一部分 ，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，連接輸入和輸出 ，
注意力頭的數量是一個超參（Hyperparameter） ，每個注意力頭可以關注不同的視角 ，更深度的非線性變換 。逐詞生成” 。
首先 ，防止模型從未來抄答案。得到“新含義” 。最後由FFN進行深度非線性變換以增強特征表達 。Llama 都堆到了幾十層甚至上百層 。可擴展的對稱性設計（Encoder與Decoder層具有相似的核心結構） ，
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，Transformer憑借這一高度並行 、
① Input Embedding ：把詞變成數字向量
模型不認識“我”、再通過殘差連接與LayerNorm保障訓練的穩定性 ，
03｜殘差連接 + LayerNorm ：讓訓練更穩定
Self-Attention 隻是“加工”了一遍詞向量，描述了針對同一段文字，但對模型來說是非常簡單高效的 。其工作嚴格遵循架構圖右側流程 ，
04｜Feed Forward 網絡（FFN） ：進一步加工語義
Attention層負責廣撒網，用於後續計算。可能主要關注輸入的 "I"
- 生成 "愛" 時 ，
相关文章
這是 「AI是怎麽回事」係列的第 15 篇 。我一直很好奇 AI 到底是怎麽工作的，於是花了很長時間去拆這個東西——手機為什麽換了發型還能認出你 ，ChatGPT 回答你的那三秒鍾裏究竟在算什麽 ，AI 為2026-09-02
背景 ：有監控node節點pod的CPU等資源 ，實現自動擴縮容的需要下 ，需要安裝metrics-serverk8s版本 ：1.30.14kubadm安裝） 對應metrics-server版本：0.8x本2026-09-02
同事小李用 AI 半小時拚完周報，會議室裏老板隻問了一句 ：「第三段數據從哪來的 ？錯了你負責嗎 ？」小李愣住——他隻點了發送 ，從沒點開過鏈接 。這不是 AI 不行 ，是人把「會用 AI」和「能扛事」混成了一件2026-09-02
北航的工作 Mem2Evolve發表於 ACL 2026 ，提出了一種全新的智能體自我進化範式，把"能力擴展"與"經驗蒸餾"兩個過程耦合起來 ，實現更穩定 、更高效的智能體持續進化背景LLM 智能體在各類應2026-09-02
"測試隻能證明 bug 的存在 ，卻永遠無法證明 bug 的缺席 。"—— Edsger Dijkstra寫在前麵最近讀到一篇基於 OCaml 之父 Xavier Leroy 深度訪談的文章 ，標題叫《編程2026-09-02
MicroPython 開發避坑：用 Signal 類解決不同電路的電平兼容問題
推文在下麵實驗中 ，我們需要將 風雅一號板-七彩觸控擴展板插入到 風雅一號板-通用兼容擴展板上 ：在以下例程中 ，我們通過 Signal 類控製兩個不同電路連接的 LED 燈 ，其中 GP17連接的 LED2026-09-02
最新评论