別人吹懂 L的 T一文搞一年r看完能和
我要评论② Shifted Right ：防止模型“偷看答案”
在模型訓練階段，吹年下麵我們就來一步步通俗理解下這張架構圖的文搞深層含義 。Transformer憑借這一高度並行、懂L的
04｜Feed Forward 網絡（FFN） ：進一步加工語義
Attention層負責廣撒網，看完可擴展的别人對稱性設計（Encoder與Decoder層具有相似的核心結構） ，
又暈了 ？吹年其實通俗來講就是 ：Attention 負責找關係 ，
當提起 Transformer 這個話題時 ，文搞讓 Decoder 可以“請教 Encoder” ：
“你生成的懂L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 ，encoder 、看完成體係地給身邊其他人講清楚 Transformer 工作原理 ，别人
實際可以開12 個 、吹年用於後續計算 。卻很少有人能真正地說清楚 。
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，
此時就需要
並在開頭加上起始符Masked Multi-Head Attention功能來遮住未預測的詞 ，已經成為當下所有大模型的基礎 。這樣模型才能表達更複雜的模式 ，，相當於給模型做一個填空題 ： 題目: <start> 我 愛此時模型看到的是 ：
<start> 我 愛也就是右移一格 。
如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解 ，而是實實在在的矩陣乘法結果 。對這個信息進行更複雜 、最後由FFN進行深度非線性變換以增強特征表達 。可以看到確實存在明顯區別 ：
這就是 Multi-Head Attention 的直觀體現 。
① Output Embedding ：先把輸出詞變向量
理解方式和輸入一樣 ，
06｜Decoder 如何像人一樣“輸出”內容 ？
Decoder是模型的“寫作器”，連接輸入和輸出 ，防止模型從未來抄答案。
最後對 V 進行加權求和，
也就是說它和上麵的
Shifted Right協同工作 ，在Multi-Head Attention（即論文中的Encoder-Decoder Attention層）中“請教”Encoder的最終輸出 ，真正理解下 Transformer 究竟是何方神聖 。
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 。
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 ，
但這其實也是一個 超參（Hyperparameter） 。其工作嚴格遵循架構圖右側流程 ，核心是 “從左到右 ，GPT 、這層 Attention 是橋梁，
本文不討論公式 ，並最終經過Add & Norm後輸出給下一層或最終的預測模塊 。需要把標準答案整體右移一位，輸出 "我愛你"。
接下來 ，兩個不同的注意力頭所展現出的各自關係 ，更深度的非線性變換。FFN 負責提升表達力 。就是下一個要生成的詞 。
為了理解這個過程 ，
05｜重複 N 次 ：論文是 6 層 ，
③ Masked Multi-Head Attention ：遮住未來
有同學說了 ，decoder什麽的 ，也就是一組數字 ，
今天我們就從這篇最初的論文出發 ，
① Input Embedding ：把詞變成數字向量
模型不認識“我” 、
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，模型越大 、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” ，向量化這一步非常基礎，48 個甚至更多的注意力頭，整體代表Decoder 。問
：
“你跟我有多相關
？”
打分越高 ，
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 ，但也是理解後麵一切的起點 。
sin/cos 位置編碼乍一看有點數學味 ，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” ，層數越多 、從更多視角掃描句子 。仿佛人人都可以講些相關名詞出來 ，後麵這個字是啥 ，模型還是可以看到答案的一部分 ，
同樣通過一個FFN網絡進行深度加工 ，每個詞被映射成一個向量 ，DeepSeek 背後的秘密，把相關信息搜集到一起；
FFN則負責深加工，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，更抽象的特征表達 ，例如 ：
我 → [0.12, -0.88, 0.43, ...]
這裏簡化了精度方便閱讀 ，共同確保了模型無法“偷看答案”。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。那一定要認識一下本文的主角 Transformer。這是第 2 個詞……”
論文使用了 sin + cos 函數計算的位置編碼方式 ，
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 ，而不僅僅是做簡單的線性組合。
圖的左邊一側Input（輸入） ，我們以翻譯任務為例 ：輸入 "I Love You" ，
所以需要額外告訴模型 ：
“這是第 1 個詞 ，
後來的 BERT、
③ Q / K / V：Self-Attention 的靈魂
這是最讓人拍案叫絕的設計之一 。“你” 、
這其實也是模型訓練堆GPU能“大力出奇跡”的理論基礎 。揭開 ChatGPT 、上麵向右移一位沒啥意義呀 ，讓 Transformer 能分辨詞的“位置” ，
下圖是論文最後給出的一個簡單示例 ，就越關注這個詞 。完美詮釋了
Attention is All You Need的革命性思想 。直接抄就可以啊，因此模型本身無法“天然”感知詞的先後關係 。也能堆更多層。論文中的例子是並行開 8 個注意力頭 。理解力越強 。“貓”這些詞 ，什麽自注意力機製啊 、隻能接受數字 。可能主要關注輸入的 "Love"生成 "你" 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 ，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 ，
03｜殘差連接 + LayerNorm ：讓訓練更穩定
Self-Attention 隻是“加工”了一遍詞向量，每個注意力頭可以關注不同的視角 ，逐詞生成” 。Decoder的輸出經由Linear+Softmax層轉換為下一個詞的概率分布。並再次經過Add & Norm 。描述了針對同一段文字 ，並經過Add & Norm。成為當今所有大語言模型的基石 ，
一般來講 ，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，
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 。再通過殘差連接與LayerNorm保障訓練的穩定性 ，但若深入追問細節 ，從而真正理解它究竟為什麽如此火爆。
最終總結
通過本文的講解 ，
首先，
它像給每個位置貼上一段獨一無二的“節奏標簽” ，讓每個詞清楚自己的“位置” 。得到“新含義” 。起不到訓練效果。整體代表Encoder；右邊一側Output（輸出） ，旨在讓更多讀者看完就能通俗地 、隻解讀圖表 ，
最終 ，
02｜為什麽需要 Multi-Head Attention ？
有了單一的 Self-Attention，同時又不需要多餘的訓練成本。
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、但對模型來說是非常簡單高效的。可能主要關注輸入的 "I"
生成 "愛" 時 ， 所以 ，需要把每個詞轉換成一個向量 ，但我們肯定還不能丟掉原始信息。
這就是單一的 Self-Attention 。可以加更多
論文裏 Encoder
Nx這裏是堆了 6 層 。
相关文章
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
AI 寫代碼有多厲害 ？——快了 55% ，但錯多了 75%
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
openclaw就目前對我來說 ，感覺幫助不是很大 ，這隻是AI智能未來路上的一個小步驟 。當我讓ai生成內容時，網頁上一行一行的跳動 ，我離開電腦 ，孩子盯著那跳動的頁麵，感覺到無限的好奇。回想到自己小時候的2026-09-02
大模型RAG實戰 ，從被罵不靠譜到成為部門MVP，這是我的踩坑全記錄
一切的起點是一頓臭罵上個月 ，我被領導叫進辦公室罵了整整二十分鍾 。起因是這樣的——我們部門負責維護一套內部知識庫係統 ，裏麵沉澱了公司近五年的技術文檔 、故障處理手冊 、還有各種規範流程。問題是 ，這玩意兒除了2026-09-02
在數學建模比賽中，優化模型是最常見的數學模型 。引言在實際問題中 ，優化模型是在一組約束條件下，使得具體目標的評判標準達到最優 ：例如公司經理要根據生產成本和市場需求確定產品價格，使所獲利潤最高；調度人員要2026-09-02
這是 「AI是怎麽回事」係列的第 1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 為什麽2026-09-02
最新评论