大家都知道Transfomer的自注意力核心是 “通过Q/K/V计算token间关联权重融合全局上下文”。那为什么计算多次Q*K的点积就能得到得到token之间的相似度呢WQ, Wk, Wv权重矩阵又是怎么来的在回答这个问题之前再温习下Transformer自注意力机制的整体流程计算Attention的公式整体流程是这样的分词为了把文字变成模型能看懂的向量Transformer首先会进行一个输入预处理用分词工具譬如BPE(Byte Pair Encoding)将句子拆分为最小的语义单位TOKEN,是的就是调用大模型按TOKEN收费的TOKEN。Embedding:每个TOKEN被编码为一个512维的词向量也就是说一个向量用512个数表示因为这些词向量是同时输入模型的模型并不能判断出它们的先后顺序所以我们还需要给它们分别一个位置信息以此来告诉模型这些词向量的先后顺序这时我们就得到了一个形状为10*512的词向量组这里就用x表示吧那么模型又该如何通过x找到每个词之间的联系呢当然是让这些词向量相互之间计算一下了。注意力计算为了实现这一点模型首先用三个权重矩阵WQ, Wk, Wv分别和每一个词向量相乘进行线性变换得到维度不变的Q、K、V向量其中Q(Query)为查询向量它代表当前词想关注什么K(Key)是键向量它代表该词能为其它词提供什么信息或是关于什么的信息你可以把k向量看做一个标签或索引而V(Value)则是代表该词实际包含的信息内容它是真正被检索和聚合的信息本身。 这里的w_q、w_k和w_v是可以通过训练过程学习的一组权重值。当然实际在计算机GPU中运算的时候是通过拼接而成的大矩阵做乘法得到的直接就是包含所有词向量的Q、K、V矩阵并不是像我们刚刚那样一步一步计算的。假设第一个token得到的是Q1、K1、V1,第二个token得到的是Q2、K2、V2依次类推。接下来我们让Q1和K2做点积这表示在第一个词的视角里第一个词和第二个词的相似度是多少。同理依次和K3做点积表示和第三个词的相似度和K4做点积表示和第四个词的相似度…。最后再与自己做点积表示和自己的相似度。拿到这些相似度系数后分别与V向量相乘。为了让分数更合理 我们将计算结果除以一个防止梯度爆炸的常数根号下DK就得到一组注意力分数 然后再用Softmax函数进行归一化处理就得到一组注意力权重。这组注意力权重代表着该词与其它每个词的关联程度也就是相似度。上面的看完了再回到最初的问题问题1为什么多次Q*K的点积就能得到得到token之间的相似度呢是因为Tokernizer分词EmbeddingWQ, Wk, Wv打下了好的基础。具体来说向量语义编码的训练目标从根源上强制让 “语义相似的文本” 对应 “方向相似的向量”。向量方向的相似性不是偶然而是模型被刻意训练出来的 “特性”后续的点积运算只是对这个特性的量化和利用。向量点积能捕获真实语义的逻辑链是语义嵌入训练 → 语义相似的输入对应方向相近的向量 → 点积运算量化向量方向相似度 → 缩放保障高维下量化结果有效。可以看到不是点积运算 “创造” 了语义相似性而是语义嵌入模型 “预设” 了语义相似性对应的向量方向特征点积只是把这个预设的特征提取出来而已。为什么点积可以把这个预设的特征提取出来这是一个数学原理如果两个高维向量越接近它们的交乘数字就越可能更大它们彼此之间对对方投入的「注意力」也就越大在Attention这个地方就可以理解为两个Token越相关语义越相似。问题2WQ, Wk, Wv权重矩阵如何获得不同的场景不同。训练过程WQ, Wk, Wv模型初始化时随机生成作为模型参数。在训练中通过反向传播和梯度下降算法根据任务目标如语言模型的下一个词预测不断迭代优化最终学习到能够有效计算注意力权重的投影方式。推理过程直接使用训练阶段学习并保存下来的、固定不变的WQ, Wk, Wv权重矩阵对新的输入Token向量X进行线性变换以生成Q、K、V。感兴趣的同学再来看看Attention机制在Transformer框架中的位置为什么AI大模型成为越来越多程序员转行就业、升职加薪的首选很简单这些岗位缺人且高薪智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200% 远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。那0基础普通人如何学习大模型 深耕科技一线十二载亲历技术浪潮变迁。我见证那些率先拥抱AI的同行如何建立起效率与薪资的代际优势。如今我将积累的大模型面试真题、独家资料、技术报告与实战路线系统整理分享于此为你扫清学习困惑共赴AI时代新程。我整理出这套 AI 大模型突围资料包【允许白嫖】✅从入门到精通的全套视频教程✅AI大模型学习路线图0基础到项目实战仅需90天✅大模型书籍与技术文档PDF✅各大厂大模型面试题目详解✅640套AI大模型报告合集✅大模型入门实战训练这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】①从入门到精通的全套视频教程包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图0基础到项目实战仅需90天全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤640套AI大模型报告合集⑥大模型入门实战训练如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界。业务赋能 突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】