別人吹懂 L的 T一文搞一年r看完能和
我要评论Encoder通過堆疊N個相同的懂L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 ，什麽自注意力機製啊 、看完
① Input Embedding：把詞變成數字向量
模型不認識“我”、别人
這其實也是吹年模型訓練堆GPU能“大力出奇跡”的理論基礎 。
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 ，文搞後麵這個字是懂L的啥 ，直接抄就可以啊，看完Transformer憑借這一高度並行 、别人Llama 都堆到了幾十層甚至上百層 。吹年就越關注這個詞 。文搞
sin/cos 位置編碼乍一看有點數學味 ，懂L的
也就是看完說它和上麵的 Shifted Right協同工作 ，旨在讓更多讀者看完就能通俗地
、别人先引用這篇論文中的吹年關於 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 ，
如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解 ，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”，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，可能主要關注輸入的 "I"
06｜Decoder 如何像人一樣“輸出”內容 ？
Decoder是模型的“寫作器” ，但我們肯定還不能丟掉原始信息。更深度的非線性變換。並最終經過Add & Norm後輸出給下一層或最終的預測模塊 。“你” 、但若深入追問細節 ，
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 ，論文中的例子是並行開 8 個注意力頭 。
後來的 BERT 、Decoder的輸出經由Linear+Softmax層轉換為下一個詞的概率分布 。就是下一個要生成的詞 。
最後對 V 進行加權求和 ，核心是 “從左到右，再通過殘差連接與LayerNorm保障訓練的穩定性 ，兩個不同的注意力頭所展現出的各自關係 ，
下圖是論文最後給出的一個簡單示例 ，
05｜重複 N 次
：論文是 6 層 ，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 。整體代表Decoder 。
① Output Embedding ：先把輸出詞變向量
理解方式和輸入一樣 ，仿佛人人都可以講些相關名詞出來 ，起不到訓練效果 。
實際可以開12 個、到Self-Attention與Multi-Head Attention實現多視角的語義捕捉 ，需要把每個詞轉換成一個向量 ，
但這其實也是一個 超參（Hyperparameter）。
接下來，可以看到確實存在明顯區別：
這就是 Multi-Head Attention 的直觀體現 。從而真正理解它究竟為什麽如此火爆。逐詞生成” 。也就是一組數字 ，讓每個詞清楚自己的“位置” 。但也是理解後麵一切的起點 。
首先 ，因此模型本身無法“天然”感知詞的先後關係 。
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、隻能接受數字 。這層 Attention 是橋梁，可以加更多
論文裏 Encoder Nx這裏是堆了 6 層 。
04｜Feed Forward 網絡（FFN） ：進一步加工語義
Attention層負責廣撒網 ，每個注意力頭可以關注不同的視角 ，
③ Masked Multi-Head Attention ：遮住未來
有同學說了 ，可擴展的對稱性設計（Encoder與Decoder層具有相似的核心結構） ，而是實實在在的矩陣乘法結果 。並經過Add & Norm 。已經成為當下所有大模型的基礎 。需要參考 Encoder 的輸出 。對這個信息進行更複雜 、從更多視角掃描句子。那一定要認識一下本文的主角 Transformer 。
這就是單一的 Self-Attention 。FFN 負責提升表達力 。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 ，連接輸入和輸出，encoder、
最終 ，隻解讀圖表 ，
所以需要額外告訴模型：
“這是第 1 個詞，我們以翻譯任務為例 ：輸入 "I Love You"，
③ Q / K / V ：Self-Attention 的靈魂
這是最讓人拍案叫絕的設計之一 。
它像給每個位置貼上一段獨一無二的“節奏標簽” ，可能主要關注輸入的 "Love"
同樣通過一個FFN網絡進行深度加工 ，下麵我們就來一步步通俗理解下這張架構圖的深層含義 。真正理解下 Transformer 究竟是何方神聖 。
當提起 Transformer 這個話題時 ，decoder什麽的，DeepSeek 背後的秘密 ，
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 ，成為當今所有大語言模型的基石 ，但對模型來說是非常簡單高效的
。完美詮釋了 Attention is All You Need的革命性思想
。
所以 ，把相關信息搜集到一起；
FFN則負責深加工 ，模型還是可以看到答案的一部分 ，而不僅僅是做簡單的線性組合。這樣模型才能表達更複雜的模式 ，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” ，
02｜為什麽需要 Multi-Head Attention？
有了單一的 Self-Attention ，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，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 。
最終總結
通過本文的講解 ，同時又不需要多餘的訓練成本 。並再次經過Add & Norm。需要把標準答案整體右移一位 ，
又暈了 ？其實通俗來講就是 ：Attention 負責找關係，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
，48 個甚至更多的注意力頭
，
一般來講 ，GPT、例如 ：
我 → [0.12, -0.88, 0.43, ...]
這裏簡化了精度方便閱讀，上麵向右移一位沒啥意義呀 ，這是第 2 個詞……”
論文使用了 sin + cos 函數計算的位置編碼方式 ，問 ：
“你跟我有多相關 ？”打分越高 ，
此時就需要
Masked Multi-Head Attention功能來遮住未預測的詞，今天我們就從這篇最初的論文出發 ，
比如模型要開始做這張填空卷了 。
注意力頭的數量是一個超參（Hyperparameter） ，描述了針對同一段文字 ，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 。
為了理解這個過程 ，
② Shifted Right：防止模型“偷看答案”
在模型訓練階段 ，
在Multi-Head Attention（即論文中的Encoder-Decoder Attention層）中“請教”Encoder的最終輸出 ，“貓”這些詞 ，也能堆更多層 。
03｜殘差連接 + LayerNorm ：讓訓練更穩定
Self-Attention 隻是“加工”了一遍詞向量，得到“新含義” 。每個詞被映射成一個向量 ，模型越大 、向量化這一步非常基礎 ，輸出 "我愛你" 。
圖的左邊一側Input（輸入） ，最後由FFN進行深度非線性變換以增強特征表達 。整體代表Encoder；右邊一側Output（輸出） ，
本文不討論公式 ，揭開 ChatGPT 、
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 ，更抽象的特征表達，共同確保了模型無法“偷看答案”。
相关文章
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
核桃做菜的吃法有哪些-九州醉餐飲網核桃可以製作芹菜炒黑木耳核桃仁 、木耳山藥炒核桃 、核桃仁炒韭菜 、核桃仁炒蝦仁 、芹菜炒核桃仁 、核桃仁炒西藍花等美食 。使用核桃製作菜肴的時候,將 。核桃仁怎麽做菜吃和什麽菜搭2026-09-02
挑蝦線是什麽梗?不是梗。抽蝦線的意思就是清理蝦的內髒 。一般來說蝦的腸道等消化係統,往往容易聚集重金屬,烹飪前應該把蝦線拉出來,而且蝦背上的蝦線,是蝦未排泄完的廢物 。...炒蝦線是什麽梗?宇將軍剛想說兩2026-09-02
有哪些可以在家做而且不擾民的有氧運動?還有一點需要注意:卷腹可以提升你的腹部力量,但是脂肪厚的人別指望用這個動作減肚子減肥必須靠有氧。自己在家，除了跑步 ，還能做哪些有氧運動?那麽基於這個主旨的前提下,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
金輪的意思是什麽啊?知道的請說下!金輪的解釋:佛教語。"輪"(梵語Cakra)﹐是印度古代戰爭用的一種武器 。印度古傳說中征服四方的轉輪王出生時﹐空中自然出現此輪寶﹐預示他將來的無敵2026-09-02
最新评论