Self-Attention 本质
Self-Attention 的本质是让每个 token 根据与上下文中其他 token 的“相关性”动态调整自身向量表示。本文从 QKV 生成、点积相似度计算到 Softmax 加权融合，用具体例子和手算步骤清晰拆解了注意力机制的全流程，帮助读者真正理解 Transformer 为何能实现上下文感知的语义表示。
作者 站点作者2026/07/13 07:1825 阅读0 评论0 点赞
YANG FAN'S DIGITAL GARDEN
CREATE
把技术记录 成一束清晰的光。
代码持续进化，
灵感永不停歇。
专注于阅读、思考与记录，分享工程实践、技术洞见与成长路径。每一次提交，都是向更好自己的靠近。
▣深度阅读
◔技术思考
</>实践记录
↗持续成长
Latest Posts
最新文章
当前展示后端公开接口返回内容。
LangChain2
LCEL链 LCEL也被称为LangChain表达式（LangChain Expression Language），是一种用声 明式的方法来链接LangChain组件。 所有可以被链起来的组件，如大语言模型、输出解析器、检索器、提示词模板一...
作者 站点作者2026/07/12 17:5410 阅读0 评论0 点赞
LangChain1
模型包装器(Model I/O) 主要包含三部分：提示词，调用模型，输出解析(Parse) Model I/O之模型包装器 LangChain 提供通用接口调用不同类型的语言模型，这个通用接口被称为模型包装器。LangChain支持的模型有...
作者 站点作者2026/07/12 10:4418 阅读0 评论0 点赞
GPT 如何基于 Transformer 演化
GPT 从原始 Transformer 中只保留了 Decoder，并引入 Mask 机制实现自回归式的“下一个 token 预测”，从而演化为强大的文字续写模型。本文清晰拆解了 GPT 的核心架构、Attention 原理、Causal Mask 的作用，并深入讲解 KV Cache、Flash Attention 等关键推理优化技术，帮助你真正理解 GPT 为什么能“思考”、为什么生成变慢，以及 DeepSeek 为何更便宜。
作者 站点作者2026/07/10 16:067 阅读0 评论0 点赞
Prompt提示词工程
这篇文章通俗讲解提示词工程的核心概念、构建原则与典型构成要素，并系统介绍零样本、少样本、思维链等调优技巧及Prompt攻击与防范方法。无论你是AI初学者还是进阶用户，都能从中掌握与大模型高效沟通的实用方法。
作者 站点作者2026/07/09 18:508 阅读0 评论0 点赞
Transformer架构解析
Transformer架构解析 分词 位置编码 自注意力机制 注意力机制（Attention Mechanisnt）是深度学习中的一种重要技术，它允许模型在处理信息时聚焦于最重要的部分，同时忽略那些不太相关的信息。这种机制模仿了人类在处理信...
作者 站点作者2026/07/09 18:493 阅读0 评论0 点赞
GPT和TransFormer架构 大模型工作原理
这篇文章详细拆解了GPT与Transformer架构的核心原理，从分词、注意力机制到模型训练流程，清晰解释了“生成式预训练”的含义和Transformer如何通过自注意力实现长距离依赖。无论你是AI初学者还是想深入理解大模型工作机制，都能从中获得扎实的知识基础。
作者 站点作者2026/07/09 18:3914 阅读0 评论0 点赞
第 1 / 1 页 ，共 9 篇
Featured Feedback
精选评价
把真正有价值的用户反馈公开展示出来，帮助后续读者快速感知内容质量与站点体验
站点反馈
✦这是一条精选站点评价
测试
文章反馈
✦这是一条精选文章评价
文章反馈
✦这是一条精选文章评价
测试用户视角下，这篇文章对 Transformer 的核心概念解释得比较清楚，适合入门，但图文密度较高、外链图片混入正文，阅读节奏略受影响。测试用户视角下，这篇文章对 Transfor...
文章反馈
★★★★★✦这是一条精选文章评价
你好
文章反馈
★★★★✦这是一条精选文章评价
测试用户视角下，这篇文章对 Transformer 的核心概念解释得比较清楚，适合入门，但图文密度较高、外链图片混入正文，阅读节奏略受影响。
站点反馈
★★★✦这是一条精选站点评价
评论、登录和反馈链路是通的，但当前搜索按钮仍像占位入口，部分文章正文里存在第三方图片链接，功能完成度还有继续收口的空间。