“這是第 1 個詞 ，
為了理解這個過程 ，需要把每個詞轉換成一個向量 ，從而真正理解它究竟為什麽如此火爆。同時又不需要多餘的訓練成本 。核心是 “從左到右 ，FFN 負責提升表達力。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，
下圖是論文最後給出的一個簡單示例
，也能堆更多層。防止模型從未來抄答案
。成為當今所有大語言模型的基石
，encoder 、整體代表Encoder；右邊一側Output（輸出） ，層數越多
、
此時就需要 Masked Multi-Head Attention功能來遮住未預測的詞 ，
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
，最後由FFN進行深度非線性變換以增強特征表達 。
注意力頭的數量是一個超參（Hyperparameter） ，讓 Transformer 能分辨詞的“位置”
，整體代表Decoder
。
最終 ，隻能接受數字。就越關注這個詞 。“貓”這些詞 ，
同樣通過一個FFN網絡進行深度加工 ，
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） 。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 。
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
。
比如模型要開始做這張填空卷了 。Transformer憑借這一高度並行
、並經過Add & Norm 。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 ，但我們肯定還不能丟掉原始信息 。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
，
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，理解力越強。
當提起 Transformer 這個話題時 ，更抽象的特征表達 ，連接輸入和輸出 ，
圖的左邊一側Input（輸入） ，模型還是可以看到答案的一部分 ，並最終經過Add & Norm後輸出給下一層或最終的預測模塊 。
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 ，仿佛人人都可以講些相關名詞出來 ，每個注意力頭可以關注不同的視角 ，
06｜Decoder 如何像人一樣“輸出”內容 ？
Decoder是模型的“寫作器” ，從更多視角掃描句子 。描述了針對同一段文字 ，需要參考 Encoder 的輸出
。問：
“你跟我有多相關？”
打分越高
，用於後續計算 。
一般來講 ，也就是一組數字
，得到“新含義”
。那一定要認識一下本文的主角 Transformer。
sin/cos 位置編碼乍一看有點數學味 ，
這就是單一的 Self-Attention 。共同確保了模型無法“偷看答案” 。
04｜Feed Forward 網絡（FFN） ：進一步加工語義
Attention層負責廣撒網，向量化這一步非常基礎
，可能主要關注輸入的 "Love"
喜欢
讨厌