別人吹懂 L的 T一文搞一年r看完能和
我要评论它最初來自一篇被稱為“AI 大航海時代起點”的文搞論文 ：
- Attention is All You Need
這篇論文首次提出的 Transformer 架構 ，先引用這篇論文中的懂L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 ，最後由FFN進行深度非線性變換以增強特征表達 。看完
03｜殘差連接 + LayerNorm：讓訓練更穩定
Self-Attention 隻是别人“加工”了一遍詞向量 ，
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 ，吹年
接下來 ，文搞真正理解下 Transformer 究竟是懂L的何方神聖。向量化這一步非常基礎 ，看完句子裏的别人每個詞都會：
拿著自己的 Q 到其他詞的 K 那裏去“打分” ，
後來的吹年 BERT 、模型越大 、也能堆更多層 。並最終經過Add & Norm後輸出給下一層或最終的預測模塊 。並再次經過Add & Norm 。旨在讓更多讀者看完就能通俗地、對這個信息進行更複雜 、讓 Transformer 能分辨詞的“位置” ，理解力越強。“貓”這些詞 ，
最終總結
通過本文的講解 ，
今天我們就從這篇最初的論文出發，
如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解 ，描述了針對同一段文字 ，但也是理解後麵一切的起點 。讓每個詞清楚自己的“位置” 。上麵向右移一位沒啥意義呀 ，什麽自注意力機製啊 、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 ，逐詞生成”。48 個甚至更多的注意力頭，但若深入追問細節
，
最終 ，decoder什麽的，
也就是說它和上麵的
Shifted Right協同工作 ，下麵我們就來一步步通俗理解下這張架構圖的深層含義 。比如模型要開始做這張填空卷了 。
為了理解這個過程 ，
本文不討論公式 ，因此模型本身無法“天然”感知詞的先後關係 。每個詞被映射成一個向量 ，仿佛人人都可以講些相關名詞出來 ，GPT、我們以翻譯任務為例 ：輸入 "I Love You" ，
一般來講，
此時就需要
Masked Multi-Head Attention功能來遮住未預測的詞 ，可擴展的對稱性設計（Encoder與Decoder層具有相似的核心結構） ，
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 ，
下圖是論文最後給出的一個簡單示例 ，
實際可以開12 個 、層數越多 、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” ，
③ Q / K / V：Self-Attention 的靈魂
這是最讓人拍案叫絕的設計之一 。
最後對 V 進行加權求和 ，可能主要關注輸入的 "Love"
又暈了 ？其實通俗來講就是 ：Attention 負責找關係 ，
同樣通過一個FFN網絡進行深度加工 ，成為當今所有大語言模型的基石 ，
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，可以加更多
論文裏 Encoder Nx這裏是堆了 6 層
。
注意力頭的數量是一個超參（Hyperparameter），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 。整體代表Decoder 。更抽象的特征表達 ，成體係地給身邊其他人講清楚 Transformer 工作原理，
所以需要額外告訴模型 ：
“這是第 1 個詞，Llama 都堆到了幾十層甚至上百層 。
這其實也是模型訓練堆GPU能“大力出奇跡”的理論基礎 。從而真正理解它究竟為什麽如此火爆。揭開 ChatGPT 、就是下一個要生成的詞。
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 ，到Self-Attention與Multi-Head Attention實現多視角的語義捕捉 ，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 ，這層 Attention 是橋梁 ，已經成為當下所有大模型的基礎 。
當提起 Transformer 這個話題時 ，
所以 ，輸出 "我愛你" 。兩個不同的注意力頭所展現出的各自關係 ，Transformer憑借這一高度並行、
在Multi-Head Attention（即論文中的Encoder-Decoder Attention層）中“請教”Encoder的最終輸出 ，問 ：
“你跟我有多相關 ？”打分越高，
02｜為什麽需要 Multi-Head Attention ？
有了單一的 Self-Attention ，更深度的非線性變換 。需要把每個詞轉換成一個向量 ，隻解讀圖表 ，從更多視角掃描句子 。
① Input Embedding：把詞變成數字向量
模型不認識“我”、後麵這個字是啥 ，
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 、
但這其實也是一個 超參（Hyperparameter） 。用於後續計算 。得到“新含義” 。
② Shifted Right ：防止模型“偷看答案”
在模型訓練階段 ，例如 ：
我 → [0.12, -0.88, 0.43, ...]
這裏簡化了精度方便閱讀 ，
06｜Decoder 如何像人一樣“輸出”內容 ？
Decoder是模型的“寫作器” ，
圖的左邊一側Input（輸入） ，每個注意力頭可以關注不同的視角 ，encoder、但對模型來說是非常簡單高效的 。隻能接受數字 。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 ，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。
05｜重複 N 次 ：論文是 6 層 ，
③ Masked Multi-Head Attention ：遮住未來
有同學說了 ，
首先 ，卻很少有人能真正地說清楚 。FFN 負責提升表達力 。再通過殘差連接與LayerNorm保障訓練的穩定性 ，模型還是可以看到答案的一部分 ，可以看到確實存在明顯區別：
這就是 Multi-Head Attention 的直觀體現 。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 ，把相關信息搜集到一起；
FFN則負責深加工 ，這樣模型才能表達更複雜的模式 ，論文中的例子是並行開 8 個注意力頭 。
它像給每個位置貼上一段獨一無二的“節奏標簽” ，整體代表Encoder；右邊一側Output（輸出） ，核心是 “從左到右 ，
① Output Embedding ：先把輸出詞變向量
理解方式和輸入一樣 ，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 。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 ，“你”、但我們肯定還不能丟掉原始信息。需要把標準答案整體右移一位 ，
04｜Feed Forward 網絡（FFN） ：進一步加工語義
Attention層負責廣撒網 ，DeepSeek 背後的秘密 ，同時又不需要多餘的訓練成本 。
sin/cos 位置編碼乍一看有點數學味 ，而不僅僅是做簡單的線性組合 。共同確保了模型無法“偷看答案” 。並經過Add & Norm 。Decoder的輸出經由Linear+Softmax層轉換為下一個詞的概率分布 。完美詮釋了
Attention is All You Need的革命性思想 。這就是單一的 Self-Attention 。這是第 2 個詞……”
論文使用了 sin + cos 函數計算的位置編碼方式 ，
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 。防止模型從未來抄答案 。可能主要關注輸入的 "I"
相关文章
OpenClaw 技術解構 ：從 WhatsApp 聊天機器人到 AI 操作係統
結構決定功能，曆史揭示設計 。本文從用戶視角出發 ，向底層追問"它是怎麽做到的" 。OpenClaw 是什麽？你在任何聊天窗口給它發一條消息 ，它就能幫你操作電腦——執行命令 、讀寫文件、瀏覽網頁 、操控桌麵應用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
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
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- 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
最新评论