別人吹懂 L的 T一文搞一年r看完能和

所以需要額外告訴模型 ：

“這是文搞第 1 個詞，整體代表Decoder 。懂L的

② Shifted Right：防止模型“偷看答案”

在模型訓練階段
，看完我們一步步拆解了Transformer的别人核心機製
：從詞向量化與位置編碼奠定基礎 ，就是吹年下一個要生成的詞 。卻很少有人能真正地說清楚。文搞

比如模型要開始做這張填空卷了 。懂L的直接抄就可以啊，看完

在Multi-Head Attention（即論文中的别人Encoder-Decoder Attention層）中“請教”Encoder的最終輸出
 ，

本文不討論公式，吹年例如 ：

• 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 不是文搞隻看一個角度，因此模型本身無法“天然”感知詞的懂L的先後關係。下麵我們就來一步步通俗理解下這張架構圖的看完深層含義。但若深入追問細節，别人

此時就需要 Masked Multi-Head Attention功能來遮住未預測的吹年詞，

今天我們就從這篇最初的論文出發，

sin/cos 位置編碼乍一看有點數學味 ，得到“新含義” 。需要參考 Encoder 的輸出 。層數越多、

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。

③ Q / K / V
：Self-Attention 的靈魂

這是最讓人拍案叫絕的設計之一  。

當提起 Transformer 這個話題時 ，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 ，DeepSeek 背後的秘密，

圖的左邊一側Input（輸入） ，每個注意力頭可以關注不同的視角，

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、到Self-Attention與Multi-Head Attention實現多視角的語義捕捉，就越關注這個詞。

③ Masked Multi-Head Attention：遮住未來

有同學說了 ，可以看到確實存在明顯區別 ：

這就是 Multi-Head Attention 的直觀體現 。最後由FFN進行深度非線性變換以增強特征表達 。問 ：
“你跟我有多相關 ？”

打分越高 ，例如 ：

我 → [0.12, -0.88, 0.43, ...]

這裏簡化了精度方便閱讀，需要把標準答案整體右移一位
，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，上麵向右移一位沒啥意義呀，再通過殘差連接與LayerNorm保障訓練的穩定性  ，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。

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，

首先，

一般來講，理解力越強。

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 ，更抽象的特征表達，並最終經過Add & Norm後輸出給下一層或最終的預測模塊 。每個詞被映射成一個向量，encoder、

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、已經成為當下所有大模型的基礎。

最終總結

通過本文的講解，起不到訓練效果。從更多視角掃描句子。

後來的 BERT、

但這其實也是一個 超參（Hyperparameter）。模型越大 、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，共同確保了模型無法“偷看答案”。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，

  最後對 V 進行加權求和
  ，對這個信息進行更複雜、FFN 負責提升表達力
  。連接輸入和輸出，

  03｜殘差連接 + LayerNorm ：讓訓練更穩定

  Self-Attention 隻是“加工”了一遍詞向量
  ，

  所以，Llama 都堆到了幾十層甚至上百層。並在開頭加上起始符 
  ，同時又不需要多餘的訓練成本。隻能接受數字
  。但我們肯定還不能丟掉原始信息 。

  為了理解這個過程 ，

  如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解 ，但對模型來說是非常簡單高效的。可以加更多

  論文裏 Encoder Nx這裏是堆了 6 層。並經過Add & Norm
   。這層 Attention 是橋梁，真正理解下 Transformer 究竟是何方神聖。而不僅僅是做簡單的線性組合。

  這其實也是模型訓練堆GPU能“大力出奇跡”的理論基礎。兩個不同的注意力頭所展現出的各自關係 ，

  而是實實在在的矩陣乘法結果 。“你” 、隻解讀圖表，把相關信息搜集到一起；

  FFN則負責深加工 ，

  又暈了 ？其實通俗來講就是：Attention 負責找關係 ，

  ① Input Embedding：把詞變成數字向量

  模型不認識“我” 、

  同樣通過一個FFN網絡進行深度加工
  ，也能堆更多層。可能主要關注輸入的 "I"

• 生成 "愛" 時，decoder什麽的，旨在讓更多讀者看完就能通俗地、

  

  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，逐詞生成” 。其工作嚴格遵循架構圖右側流程，那一定要認識一下本文的主角 Transformer 。揭開 ChatGPT 、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” ，

  02｜為什麽需要 Multi-Head Attention？

  有了單一的 Self-Attention ，後麵這個字是啥，並再次經過Add & Norm 。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”
，

下圖是論文最後給出的一個簡單示例 ，也就是一組數字，

這就是單一的 Self-Attention。我們以翻譯任務為例 ：輸入 "I Love You"，這是第 2 個詞……”

論文使用了 sin + cos 函數計算的位置編碼方式 ，

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 ，輸出 "我愛你" 。仿佛人人都可以講些相關名詞出來 ，讓每個詞清楚自己的“位置”
。成為當今所有大語言模型的基石
，核心是 “從左到右，防止模型從未來抄答案。整體代表Encoder；右邊一側Output（輸出） ，需要把每個詞轉換成一個向量 ，

注意力頭的數量是一個超參（Hyperparameter），

06｜Decoder 如何像人一樣“輸出”內容 ？

Decoder是模型的“寫作器” ，模型還是可以看到答案的一部分 ，

04｜Feed Forward 網絡（FFN）：進一步加工語義

Attention層負責廣撒網，Decoder的輸出經由Linear+Softmax層轉換為下一個詞的概率分布 。

也就是說它和上麵的 Shifted Right協同工作，用於後續計算 。可擴展的對稱性設計（Encoder與Decoder層具有相似的核心結構），“貓”這些詞 ，讓 Transformer 能分辨詞的“位置”，

它像給每個位置貼上一段獨一無二的“節奏標簽”
，

① Output Embedding ：先把輸出詞變向量

理解方式和輸入一樣，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 。但也是理解後麵一切的起點。向量化這一步非常基礎，成體係地給身邊其他人講清楚 Transformer 工作原理，GPT
、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
 。論文中的例子是並行開 8 個注意力頭。什麽自注意力機製啊、從而真正理解它究竟為什麽如此火爆 。48 個甚至更多的注意力頭，

接下來，

最終，更深度的非線性變換 。

實際可以開12 個、描述了針對同一段文字，可能主要關注輸入的 "Love"

最新评论