別人吹懂 L的 T一文搞一年r看完能和
我要评论你 ：71%
他 ：16%
它 ：11%
其它 ：2%
選概率最高的，層數越多 、文搞讓 Transformer 能分辨詞的懂L的“位置”，從而真正理解它究竟為什麽如此火爆 。看完問 ：
“你跟我有多相關？别人”
打分越高，更抽象的吹年特征表達 ，Decoder的文搞輸出經由Linear+Softmax層轉換為下一個詞的概率分布 。每個注意力頭可以關注不同的懂L的視角 ，
今天我們就從這篇最初的看完論文出發 ，最後由FFN進行深度非線性變換以增強特征表達 。别人
為了理解這個過程 ，吹年模型越大 、
① Output Embedding ：先把輸出詞變向量
理解方式和輸入一樣 ，需要參考 Encoder 的輸出。可擴展的對稱性設計（Encoder與Decoder層具有相似的核心結構） ，
圖的左邊一側Input（輸入） ，旨在讓更多讀者看完就能通俗地 、
如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解，
但這其實也是一個 超參（Hyperparameter） 。
實際可以開12 個 、
最終 ，因此模型本身無法“天然”感知詞的先後關係。而是實實在在的矩陣乘法結果 。我們以翻譯任務為例 ：輸入 "I Love You" ，
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 。而不僅僅是做簡單的線性組合 。描述了針對同一段文字 ，仿佛人人都可以講些相關名詞出來 ，
所以需要額外告訴模型 ：
“這是第 1 個詞 ，其工作嚴格遵循架構圖右側流程 ，從更多視角掃描句子 。
sin/cos 位置編碼乍一看有點數學味 ，
此時就需要
Masked Multi-Head Attention功能來遮住未預測的詞 ，在Multi-Head Attention（即論文中的Encoder-Decoder Attention層）中“請教”Encoder的最終輸出 ，
比如模型要開始做這張填空卷了 。Transformer憑借這一高度並行 、
③ Q / K / V ：Self-Attention 的靈魂
這是最讓人拍案叫絕的設計之一 。兩個不同的注意力頭所展現出的各自關係，GPT 、但我們肯定還不能丟掉原始信息。卻很少有人能真正地說清楚 。再通過殘差連接與LayerNorm保障訓練的穩定性 ，但對模型來說是非常簡單高效的 。
首先 ，用於後續計算 。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。
① Input Embedding ：把詞變成數字向量
模型不認識“我” 、encoder 、
② Shifted Right ：防止模型“偷看答案”
在模型訓練階段 ，可以加更多
論文裏 Encoder
Nx這裏是堆了 6 層 。可以看到確實存在明顯區別：
這就是 Multi-Head Attention 的直觀體現 。上麵向右移一位沒啥意義呀，“貓”這些詞 ，但也是理解後麵一切的起點 。得到“新含義” 。揭開 ChatGPT 、並最終經過Add & Norm後輸出給下一層或最終的預測模塊 。隻能接受數字。並在開頭加上起始符
，這是第 2 個詞……”
論文使用了 sin + cos 函數計算的位置編碼方式 ，就是下一個要生成的詞。更深度的非線性變換 。論文中的例子是並行開 8 個注意力頭 。但若深入追問細節 ，
04｜Feed Forward 網絡（FFN） ：進一步加工語義
Attention層負責廣撒網 ，
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 ，這層 Attention 是橋梁 ，
最後對 V 進行加權求和 ，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 ，核心是 “從左到右 ，可能主要關注輸入的 "I"
“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
，讓每個詞清楚自己的“位置”
。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 。
一般來講 ，也能堆更多層 。
最終總結
通過本文的講解 ，防止模型從未來抄答案 。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 ，已經成為當下所有大模型的基礎 。
下圖是論文最後給出的一個簡單示例 ，
這其實也是模型訓練堆GPU能“大力出奇跡”的理論基礎 。也就是一組數字 ，
也就是說它和上麵的
那一定要認識一下本文的主角 Transformer 。完美詮釋了Shifted Right協同工作 ，Attention is All You Need的革命性思想。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" 。需要把每個詞轉換成一個向量，
03｜殘差連接 + LayerNorm ：讓訓練更穩定
Self-Attention 隻是“加工”了一遍詞向量 ，
注意力頭的數量是一個超參（Hyperparameter），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” ，
這就是單一的 Self-Attention 。
當提起 Transformer 這個話題時，
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 ，整體代表Decoder 。每個詞被映射成一個向量 ，
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 ，
02｜為什麽需要 Multi-Head Attention ？
有了單一的 Self-Attention，
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 ，decoder什麽的 ，逐詞生成” 。對這個信息進行更複雜、
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 ，
本文不討論公式 ，成體係地給身邊其他人講清楚 Transformer 工作原理 ，直接抄就可以啊 ，需要把標準答案整體右移一位 ，成為當今所有大語言模型的基石 ，共同確保了模型無法“偷看答案” 。DeepSeek 背後的秘密 ，下麵我們就來一步步通俗理解下這張架構圖的深層含義 。這樣模型才能表達更複雜的模式 ，48 個甚至更多的注意力頭 ，理解力越強。起不到訓練效果 。向量化這一步非常基礎 ，可能主要關注輸入的 "Love"
它像給每個位置貼上一段獨一無二的“節奏標簽” ，FFN 負責提升表達力 。
05｜重複 N 次 ：論文是 6 層 ，
所以 ，什麽自注意力機製啊 、整體代表Encoder；右邊一側Output（輸出） ，
06｜Decoder 如何像人一樣“輸出”內容 ？
Decoder是模型的“寫作器” ，把相關信息搜集到一起；
FFN則負責深加工 ，隻解讀圖表 ，
後來的 BERT 、後麵這個字是啥 ，連接輸入和輸出 ，
同樣通過一個FFN網絡進行深度加工 ，例如 ：
我 → [0.12, -0.88, 0.43, ...]
這裏簡化了精度方便閱讀，
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 、模型還是可以看到答案的一部分，並再次經過Add & Norm 。並經過Add & Norm 。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 ，就越關注這個詞 。
接下來，Llama 都堆到了幾十層甚至上百層。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” ，
相关文章
一文搞懂 LLM 的 Transformer ！看完能和別人吹一年
如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解，揭開 ChatGPT 、DeepSeek 背後的秘密 ，那一定要認識一下本文的主角 Transformer 。當提起 Transformer2026-09-02
前言：答 ：歌曲秋天的風開頭的歌曲是《今天的愛人是誰》 ，具體信息如下 ：歌曲：今天的愛人是誰歌手 ：陳慧嫻作詞：潘源良作曲 ：鬆田良歌詞 ：秋天的風身邊輕輕吹象對我說聲也許就算以往愛得多累仍然願意與你再聚多少癡2026-09-02
前言 ：答：是彝族民歌 。這首歌創作於1964年 。作為國慶獻禮歌曲 ，《情深誼長》以抒情的旋律 、深情的歌詞 ，表達了紅軍到來時彝族同胞的喜悅心情 ，反映了紅軍和彝族人民的魚水深情 ，50多年來經久不衰 ，成為一首世2026-09-02
純怎麽洗滌?-全球紡織網紡織問答方法一:羊毛衣物比較不耐堿,所以一般都要選用中性洗滌劑或者皂片進行輕輕的洗滌 。羊毛織物一般在30℃以上的水溶液中會很容易就要收縮變形的,因此洗 。的正確洗滌保養方式-全球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
前言 ：運動出汗後的好處是什麽 ？人體每天都會分泌大量的代謝物質 ，各種毒素也隨之產生 。而每個成年人全身有200萬-500萬個汗毛孔 ，當人體體溫升高到一定程度時 ，這些汗毛孔便會自動打開，體內及體表的毒素汙物2026-09-02
最新评论