別人吹懂 L的 T一文搞一年r看完能和
我要评论第一個空
：題目是文搞 <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，
最後對 V 進行加權求和，懂L的
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，看完成為當今所有大語言模型的别人基石，
所以 ，吹年更抽象的文搞特征表達，
本文不討論公式 ，懂L的這是看完第 2 個詞……”
論文使用了 sin + cos 函數計算的位置編碼方式，逐詞生成” 。别人仿佛人人都可以講些相關名詞出來 ，吹年
今天我們就從這篇最初的文搞論文出發 ，可以加更多
論文裏 Encoder Nx這裏是懂L的堆了 6 層
。Decoder的看完輸出經由Linear+Softmax層轉換為下一個詞的概率分布 。
sin/cos 位置編碼乍一看有點數學味 ，别人揭開 ChatGPT 、吹年Llama 都堆到了幾十層甚至上百層 。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 。並在開頭加上起始符
下圖是論文最後給出的一個簡單示例 ，需要把每個詞轉換成一個向量 ，
當提起 Transformer 這個話題時 ，問：
“你跟我有多相關 ？”
打分越高 ，這樣模型才能表達更複雜的模式，
隻解讀圖表，核心是 “從左到右 ，04｜Feed Forward 網絡（FFN） ：進一步加工語義
Attention層負責廣撒網 ，讓每個詞清楚自己的“位置” 。把相關信息搜集到一起；
FFN則負責深加工 ，防止模型從未來抄答案。並經過Add & Norm 。更深度的非線性變換 。什麽自注意力機製啊 、
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" 。
此時就需要 Masked Multi-Head Attention功能來遮住未預測的詞
，
① Output Embedding ：先把輸出詞變向量
理解方式和輸入一樣 ，兩個不同的注意力頭所展現出的各自關係 ，FFN 負責提升表達力 。模型還是可以看到答案的一部分 ，
但這其實也是一個 超參（Hyperparameter）。從更多視角掃描句子 。同時又不需要多餘的訓練成本。
這就是單一的 Self-Attention。
一般來講，向量化這一步非常基礎，因此模型本身無法“天然”感知詞的先後關係 。已經成為當下所有大模型的基礎 。
在Multi-Head Attention（即論文中的Encoder-Decoder Attention層）中“請教”Encoder的最終輸出 ，
② Shifted Right ：防止模型“偷看答案”
在模型訓練階段 ，GPT 、真正理解下 Transformer 究竟是何方神聖 。DeepSeek 背後的秘密 ，
比如模型要開始做這張填空卷了 。可能主要關注輸入的 "Love"
拿著自己的 Q 到其他詞的 K 那裏去“打分”，論文中的例子是並行開 8 個注意力頭 。encoder、
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 Masked Multi-Head Attention ：遮住未來
有同學說了 ，
又暈了 ？其實通俗來講就是：Attention 負責找關係 ，直接抄就可以啊 ，每個詞被映射成一個向量，上麵向右移一位沒啥意義呀 ，
③ Q / K / V ：Self-Attention 的靈魂
這是最讓人拍案叫絕的設計之一 。
注意力頭的數量是一個超參（Hyperparameter） ，其工作嚴格遵循架構圖右側流程 ，48 個甚至更多的注意力頭，得到“新含義” 。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 。“你” 、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 ，例如 ：
我 → [0.12, -0.88, 0.43, ...]
這裏簡化了精度方便閱讀 ，隻能接受數字 。成體係地給身邊其他人講清楚 Transformer 工作原理 ，
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 ，
為了理解這個過程 ，
02｜為什麽需要 Multi-Head Attention ？
有了單一的 Self-Attention，卻很少有人能真正地說清楚 。我們以翻譯任務為例 ：輸入 "I Love You" ，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 ，
① Input Embedding ：把詞變成數字向量
模型不認識“我” 、層數越多 、
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 ，需要參考 Encoder 的輸出 。到Self-Attention與Multi-Head Attention實現多視角的語義捕捉 ，下麵我們就來一步步通俗理解下這張架構圖的深層含義 。後麵這個字是啥 ，
06｜Decoder 如何像人一樣“輸出”內容？
Decoder是模型的“寫作器” ，
最終，
圖的左邊一側Input（輸入） ，再通過殘差連接與LayerNorm保障訓練的穩定性 ，就越關注這個詞 。但對模型來說是非常簡單高效的 。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，
首先 ，
接下來 ，就是下一個要生成的詞 。描述了針對同一段文字 ，
05｜重複 N 次：論文是 6 層 ，這層 Attention 是橋梁，
同樣通過一個FFN網絡進行深度加工 ，
它像給每個位置貼上一段獨一無二的“節奏標簽” ，模型越大 、起不到訓練效果 。
後來的 BERT 、可以看到確實存在明顯區別 ：
這就是 Multi-Head Attention 的直觀體現 。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"
- 生成 "愛" 時 ，也能堆更多層。而不僅僅是做簡單的線性組合 。對這個信息進行更複雜、完美詮釋了
Attention is All You Need的革命性思想 。
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，最後由FFN進行深度非線性變換以增強特征表達 。用於後續計算 。Transformer憑借這一高度並行 、每個注意力頭可以關注不同的視角 ，“貓”這些詞 ，理解力越強 。而是實實在在的矩陣乘法結果 。decoder什麽的 ，也就是一組數字 ，連接輸入和輸出 ，並再次經過Add & Norm 。
如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解 ，
也就是說它和上麵的
Shifted Right協同工作 ，實際可以開12 個、
這其實也是模型訓練堆GPU能“大力出奇跡”的理論基礎 。
所以需要額外告訴模型：
“這是第 1 個詞，
03｜殘差連接 + LayerNorm ：讓訓練更穩定
Self-Attention 隻是“加工”了一遍詞向量 ，那一定要認識一下本文的主角 Transformer 。
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 、但若深入追問細節，可擴展的對稱性設計（Encoder與Decoder層具有相似的核心結構） ，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” ，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，整體代表Encoder；右邊一側Output（輸出），整體代表Decoder 。並最終經過Add & Norm後輸出給下一層或最終的預測模塊。共同確保了模型無法“偷看答案” 。需要把標準答案整體右移一位 ，但我們肯定還不能丟掉原始信息 。
最終總結
通過本文的講解 ，旨在讓更多讀者看完就能通俗地 、從而真正理解它究竟為什麽如此火爆。讓 Transformer 能分辨詞的“位置”，但也是理解後麵一切的起點 。
相关文章
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
絲綢和真絲有什麽區別-業百科真絲指蠶絲,絲綢是一種紡織品。真絲:真絲指蠶絲,包括桑蠶絲 、柞蠶絲 、蓖麻蠶絲 、木薯蠶絲等 。真絲被稱為“纖維皇後”,以其獨特的魅力受到古往今來 。絲綢是真絲嗎?真絲是絲綢的一種2026-09-02
洗衣機是個什麽梗?滾筒洗衣機的意思是工藤新一,它是工藤新一日語發音的中文諧音,這個詞讀起來撩人 、有磁性,因此在許多小視頻平台上非常火熱 。工藤新一是動漫《名偵探柯南》的主...網絡用語洗衣機是什麽意思?2026-09-02
男襯衫上寫的39是多大的碼?40 、38,41是多大的?歐碼M=男女身高165/170,男襯衫領圍39 。歐碼L=男女身高170/175,男襯衫領圍40 。歐碼XL=男女身高175/180,男襯衫領圍41 。2026-09-02
AI 範式越遷 ：使用 XXL-BOOT SKILL 實現一句話直生業務從「一行 SQL 生成代碼」到「一句需求直生業務」——業務開發正式進入 AI 範式新時代 。隨著大模型編程助手的成熟，業務交付範式正2026-09-02
為什麽讓浙江滾出中國?新浪微博,有個叫“範曉沐”的的人在微博上發表熱門話題:#浙江滾出中國#說的是,浙江這次的台風讓浙江人自救說浙江人都那麽富,那麽有錢,有錢人多...d3玩家滾出wow是什麽梗?一個2026-09-02
最新评论