別人吹r看一文搞一年懂 L的 T完能和
我要评论今天我們就從這篇最初的文搞論文出發，這樣模型才能表達更複雜的懂L的模式，讓 Transformer 能分辨詞的看完“位置” ，整體代表Encoder；右邊一側Output（輸出） ，别人讓每個詞清楚自己的吹年“位置” 。因此模型本身無法“天然”感知詞的文搞先後關係 。
① Output Embedding ：先把輸出詞變向量
理解方式和輸入一樣 ，懂L的Transformer憑借這一高度並行 、看完encoder、别人理解力越強 。吹年但也是文搞理解後麵一切的起點 。到Self-Attention與Multi-Head Attention實現多視角的懂L的語義捕捉 ，可能主要關注輸入的看完 "You"
⑤ Linear + Softmax：得到下一個詞的概率
比如已經生成了“我愛” ，我們一步步拆解了Transformer的别人核心機製 ：從詞向量化與位置編碼奠定基礎 ，
又暈了 ？吹年其實通俗來講就是 ：Attention 負責找關係 ，
所以需要額外告訴模型：
“這是第 1 個詞，
接下來 ，
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 。
如果你想對當下 AI LLM(大語言模型) 的工作原理有所了解 ，GPT、起不到訓練效果 。
① Input Embedding：把詞變成數字向量
模型不認識“我” 、但我們肯定還不能丟掉原始信息 。用於後續計算 。
圖的左邊一側Input（輸入），
04｜Feed Forward 網絡（FFN） ：進一步加工語義
Attention層負責廣撒網 ，更深度的非線性變換 。
③ Q / K / V ：Self-Attention 的靈魂
這是最讓人拍案叫絕的設計之一 。層數越多 、可以看到確實存在明顯區別 ：
這就是 Multi-Head Attention 的直觀體現。從更多視角掃描句子。“貓”這些詞 ，並在開頭加上起始符
，那一定要認識一下本文的主角 Transformer 。防止模型從未來抄答案 。
sin/cos 位置編碼乍一看有點數學味，
05｜重複 N 次 ：論文是 6 層 ，並再次經過Add & Norm 。上麵向右移一位沒啥意義呀 ，也能堆更多層 。已經成為當下所有大模型的基礎 。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 ，
本文不討論公式，但對模型來說是非常簡單高效的 。
這其實也是模型訓練堆GPU能“大力出奇跡”的理論基礎 。
03｜殘差連接 + LayerNorm ：讓訓練更穩定
Self-Attention 隻是“加工”了一遍詞向量 ，
實際可以開12 個 、需要參考 Encoder 的輸出 。論文中的例子是並行開 8 個注意力頭 。48 個甚至更多的注意力頭 ，
隻解讀圖表 ，但這其實也是一個 超參（Hyperparameter） 。成為當今所有大語言模型的基石 ，
後來的 BERT 、
下圖是論文最後給出的一個簡單示例 ，旨在讓更多讀者看完就能通俗地 、
最終總結
通過本文的講解 ，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，連接輸入和輸出，整體代表Decoder 。什麽自注意力機製啊 、並最終經過Add & Norm後輸出給下一層或最終的預測模塊。更抽象的特征表達 ，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 ，
06｜Decoder 如何像人一樣“輸出”內容 ？
Decoder是模型的“寫作器” ，
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，這是第 2 個詞……”
論文使用了 sin + cos 函數計算的位置編碼方式，仿佛人人都可以講些相關名詞出來 ，就越關注這個詞。需要把標準答案整體右移一位，每個詞被映射成一個向量，Llama 都堆到了幾十層甚至上百層 。最後由FFN進行深度非線性變換以增強特征表達 。揭開 ChatGPT 、其工作嚴格遵循架構圖右側流程，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”，可能主要關注輸入的 "I"
- 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 ，
首先 ，可以加更多
論文裏 Encoder Nx這裏是堆了 6 層 。再通過殘差連接與LayerNorm保障訓練的穩定性 ，
② Shifted Right：防止模型“偷看答案”
在模型訓練階段，FFN 負責提升表達力 。核心是 “從左到右 ，Decoder的輸出經由Linear+Softmax層轉換為下一個詞的概率分布 。從而真正理解它究竟為什麽如此火爆。DeepSeek 背後的秘密 ，
02｜為什麽需要 Multi-Head Attention？
有了單一的 Self-Attention ，
這就是單一的 Self-Attention。完美詮釋了 Attention is All You Need的革命性思想 。共同確保了模型無法“偷看答案”
。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 ，也就是一組數字
，而不僅僅是做簡單的線性組合
。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 ，每個注意力頭可以關注不同的視角 ，同時又不需要多餘的訓練成本。描述了針對同一段文字 ，需要把每個詞轉換成一個向量 ，並經過Add & Norm 。真正理解下 Transformer 究竟是何方神聖 。模型還是可以看到答案的一部分 ，把相關信息搜集到一起；
FFN則負責深加工 ，對這個信息進行更複雜、而是實實在在的矩陣乘法結果。
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、
為了理解這個過程 ，“你”、
它像給每個位置貼上一段獨一無二的“節奏標簽” ，直接抄就可以啊 ，隻能接受數字 。卻很少有人能真正地說清楚 。例如 ：
我 → [0.12, -0.88, 0.43, ...]
這裏簡化了精度方便閱讀 ，
注意力頭的數量是一個超參（Hyperparameter） ，就是下一個要生成的詞。
當提起 Transformer 這個話題時 ，
最終 ，問 ：
“你跟我有多相關 ？”打分越高，
也就是說它和上麵的
Shifted Right協同工作 ，比如模型要開始做這張填空卷了。
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 ，
一般來講 ，
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 ，
在Multi-Head Attention（即論文中的Encoder-Decoder Attention層）中“請教”Encoder的最終輸出，
③ Masked Multi-Head Attention：遮住未來
有同學說了 ，我們以翻譯任務為例 ：輸入 "I Love You" ，得到“新含義” 。可能主要關注輸入的 "Love"
- 生成 "你" 時 ，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。
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，兩個不同的注意力頭所展現出的各自關係 ，
最後對 V 進行加權求和 ，這層 Attention 是橋梁，模型越大 、decoder什麽的 ，
所以，輸出 "我愛你" 。
同樣通過一個FFN網絡進行深度加工 ，但若深入追問細節 ，逐詞生成”。
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 ，成體係地給身邊其他人講清楚 Transformer 工作原理 ，向量化這一步非常基礎 ，可擴展的對稱性設計（Encoder與Decoder層具有相似的核心結構） ，
此時就需要
Masked Multi-Head Attention功能來遮住未預測的詞，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 。
相关文章
入職多年 ，麵對生產環境 ，盡管都是小心翼翼 ，慎之又慎 ，還是難免捅出簍子 。輕則滿頭大汗，麵紅耳赤 。重則係統停擺 ，損失資金。每一個生產事故的背後 ，都是寶貴的經驗和教訓 ，都是項目成員的血淚史。為了更好地防範和2026-09-02
codex對接智譜coding plan ，我發現連cc switch也不用了
背景大家好 ，我是逐日 。周末在家裏電腦折騰 ，本來還是按慣例在弄codex--》cc switch--》智譜 ，翻官方文檔的過程中 ，發現智譜好像已經原生支持了openai的response接口 。試了試，連c2026-09-02
1. 概述過去五年 ，開發者與 AI 的關係被「Tab 鍵」定義 ：模型猜下一行 ，人決定接不接受。GitHub Copilot 把這件事做到了極致 ，也把很多人鎖在一個錯誤心智模型裏——以為 AI 寫代碼的2026-09-02
C# .NET 周刊 ｜2026 年 8 月 2 期 2026-08-09 dotnet_week_26_8_2國內文章用 Inno Setup 把 .NET 程序打包成安裝包 ：從零到發布的完整指南h2026-09-02
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
一台人形機器人裏跑著五層軟件 ，頻率從 10Hz 到 20kHz，差三個數量級。這個頻率斷層把每層軟件的地盤劃死了 ，也把集成商的邊界劃死了 ：五層裏集成商能碰的隻有中間件那一層 ，你的代碼活在它之上 ，值錢的2026-09-02
最新评论