网上自注意力的讲解大多停在「让每个词看到句子里的其他词」这句比喻上。要真正搞清楚这一层在干什么，得回答四个具体问题：Q、K、V 三个矩阵从哪来，分数怎么算出来，为什么要除一个 √d_k，softmax 之后拿到的东西代表什么。 拿「女生撩刘海」这三个 token 为例，把向量维度压到 2，从查表拿到词向量，到最后算出输出矩阵 Z，整条链路一路算到底。 一、一个句子怎么变成矩阵 句子进注意力层之前，