待验证50% 置信事实精确时间
自注意力机制通过三个可学习权重矩阵把每个字符向量分别变换成 Query、Key 和 Value，将 N × dm 变为 N × dk
1
来源数
50%
置信度
长期有效
时效性
2026/9/15
首次发现
来源
涉及实体
相关事实
待验证Attention 采用 QKV 框架，每个 Token 的 Embedding 经三个线性变换矩阵生成 Query、Key、Value 向量76% 相似待验证自注意力机制通过Query-Key-Value矩阵运算决定序列中每个token应关注哪些其他token，注意力权重是总和为1的概率分布70% 相似待验证注意力计算流程为：Q向量与所有前置Token的K向量做点积得到相关性分数，经Softmax归一化后对V向量加权求和，再施加线性变换输出68% 相似待验证每个 Token 通过查询 Embedding Table 转换成一个 d_model 维向量，N 个 Token 组成 N × d_model 的输入矩阵66% 相似待验证单个Decoder层的计算流程为：输入向量经Self-Attention和Add & Norm，再经FFN和Add & Norm，输出向量66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/923465API
curl https://kongchang.com/api/v1/knowledge/claims/923465MCP
get_claim(id=923465)