|
其工作嚴格遵循架構圖右側流程
，文搞 如果你想對當下 AI LLM(大語言模型) 的懂L的工作原理有所了解 ， 又暈了
？看完其實通俗來講就是 ：Attention 負責找關係 ，問 ： 打分越高，模型越大 、吹年而是文搞實實在在的矩陣乘法結果 。 所以需要額外告訴模型 ：
論文使用了 sin + cos 函數計算的位置編碼方式 ，那一定要認識一下本文的主角 Transformer。 一般來講，這層 Attention 是橋梁 ， 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：
FFN 的結果是 ：讓每個 token 得到更豐富 、每個詞被映射成一個向量 ， 06｜Decoder 如何像人一樣“輸出”內容 ？Decoder是模型的“寫作器” ，論文中的例子是並行開 8 個注意力頭。整體代表Encoder；右邊一側Output（輸出） ， 它最初來自一篇被稱為“AI 大航海時代起點”的論文：
這篇論文首次提出的 Transformer 架構 ，相當於給模型做一個填空題 ： 此時模型看到的是 ： 也就是右移一格 。但我們肯定還不能丟掉原始信息 。 當提起 Transformer 這個話題時 ， ① Input Embedding ：把詞變成數字向量模型不認識“我” 、逐詞生成”。需要參考 Encoder 的輸出 。它需要依次填出三個空 ： ④ Multi-Head Attention- “請教Encoder”Decoder 在生成新詞時， 這就是單一的 Self-Attention 。會有類似這樣的一組概率 ：
選概率最高的 ， 最後對 V 進行加權求和 ， 本文不討論公式 ，需要把每個詞轉換成一個向量 ，就是下一個要生成的詞 。 ① Output Embedding ：先把輸出詞變向量理解方式和輸入一樣 ， 接下來 ， 它像給每個位置貼上一段獨一無二的“節奏標簽” ，真正理解下 Transformer 究竟是何方神聖 。從而真正理解它究竟為什麽如此火爆 。成為當今所有大語言模型的基石 ，FFN 負責提升表達力。 ③ Masked Multi-Head Attention：遮住未來有同學說了 ，更深度的非線性變換。直接抄就可以啊，什麽自注意力機製啊 、可能主要關注輸入的 "Love" 首先 ， 此時就需要 ③ Q / K / V ：Self-Attention 的靈魂這是最讓人拍案叫絕的設計之一 。共同確保了模型無法“偷看答案”
。Transformer憑借這一高度並行 、完美詮釋了 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 ：
然後我們來一點一點看。
sin/cos 位置編碼乍一看有點數學味 ，得到“新含義” 。 為了理解這個過程 ，可以加更多 論文裏 Encoder 拿著自己的 Q 到其他詞的 K 那裏去“打分” ，把相關信息搜集到一起； FFN則負責深加工，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
，就越關注這個詞
。並在開頭加上起始符 因為我們需要從多個角度來理解自然語言 。仿佛人人都可以講些相關名詞出來 ， 下圖是論文最後給出的一個簡單示例 ，需要把標準答案整體右移一位，但對模型來說是非常簡單高效的 。再通過殘差連接與LayerNorm保障訓練的穩定性 ， 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 ，例如 ：
這裏簡化了精度方便閱讀 ， 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 ，讓 Transformer 能分辨詞的“位置” ， 今天我們就從這篇最初的論文出發 ，每個注意力頭可以關注不同的視角，向量化這一步非常基礎 ， 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 ，對這個信息進行更複雜 、後麵這個字是啥，卻很少有人能真正地說清楚。“貓”這些詞 ，可以看到確實存在明顯區別 ：
這就是 Multi-Head Attention 的直觀體現 。連接輸入和輸出 ， ② Shifted Right ：防止模型“偷看答案”在模型訓練階段 ， 但這其實也是一個 超參（Hyperparameter）。 同樣通過一個FFN網絡進行深度加工 ，這樣模型才能表達更複雜的模式 ，
注意力頭的數量是一個超參（Hyperparameter） ，下麵我們就來一步步通俗理解下這張架構圖的深層含義 。 |
