在看 Transformer 的 self-attention 结构时，很多人第一次见到 Q, K, V 三个矩阵都会有点疑惑：明明输入就是一个向量序列，为什么还要多此一举做三次线性变换？
而且最后还要套上一个 Softmax，这又是在干什么？

这两个问题，其实是理解注意力机制的核心关键。
我们从最直观的角度来拆开看。

一、为什么要 Q、K、V？

假设我们有一个输入序列：

每个x_i就是一个 token 的 embedding，比如一个词、一个字、或者一个图像 patch。
如果我们直接用这些x_i之间做点积，它确实能反映出两个 token 的相关性（越大越相关），但存在两个致命问题：

1. 每个 token 的表示是静态的：输入 embedding 没有区分谁在关注别人还是被别人关注。
2. 无法表达不同的关注模式：所有 token 的关系都被一个固定空间描述，模型无法灵活学习不同角度的相似性。

于是就引出了 Q、K、V 的设计。

二、Q、K、V 的线性变换在干什么？

1.投影到不同子空间

输入的特征维度是 d_model，每个 token 的 embedding 包含所有语义信息。

直接用原始 embedding 做 Q/K/V，相当于在同一个空间计算相似度，模型无法学习不同语义关系的权重。

我们把输入 ( X ) 分别线性变换成三种表示：

• Query（查询）：表示我想关注什么信息
• Key（键）：表示我是什么样的信息
• Value（值）：表示我携带的信息内容

这三个矩阵其实是从同一个输入 (X) 投影出来的三种视角。
这一步的作用，就是让模型在不同子空间中理解 token 之间的关系。

举个简单的例子：
在一句话中，“他吃了一个苹果”，
“他”这个词（Query）可能更关注“吃”这个动词，而“吃”这个词（Key）可能更多地被名词吸引。

通过三组独立的线性变换，模型可以学习到这种不同角色的匹配关系。

所以你可以这样理解，Q 是注意力的提问方式，K 是信息的身份描述，V 是最终被提取的信息内容。

2.支持多头注意力

多头注意力把 Q/K/V 切分成多个头，每个头关注不同子空间的特征。

如果没有线性变换，每个头得到的还是原始 embedding，无法学习多角度关系。

线性投影允许每个 head 独立学习一套查询/键/值表示，提升模型表达能力。

公式：

3.增加可学习参数

每个线性变换 W_Q, W_K, W_V都是 可训练权重，模型可以自动学习如何对不同 token 的 embedding 做不同的查询、匹配和加权。

这使得 self-attention 不只是一个固定的相似度计算，而是一个 可调节、可优化的语义匹配函数。

4.便于下游操作

QK^T 计算的是注意力权重，如果不做线性变换，模型只能依赖原始 embedding 的内积，这种相似度空间不一定适合 softmax 加权。

线性变换可以把 embedding 投影到更适合做注意力匹配的空间，提高学习能力。

三、Q 与 K 的点积

拿到 Q 和 K 后，self-attention 计算的是每个 Query 与所有 Key 的相似度：

这里的点积代表匹配程度，即：

• Q_i 表示第 i 个 token 想关注的信息；
• K_j 表示第 j 个 token 所包含的信息；
• 它们的点积越大，说明第 i 个 token 越应该关注第 j 个 token。

从计算上看，点积是将所有的对齐分量相乘并累加；从几何上看，当向量指向相似方向时，点积为正，如果向量垂直，点积为0，当向量方向相反时则为负数。

这样，我们就得到了一个注意力分数矩阵，表示每个 token 对其他 token 的注意力权重。

四、为什么要用 Softmax？

问题来了：我们已经有了相似度分数，为什么还要再过一遍 Softmax？

其实原因很简单：

1. 把“相似度”变成“权重分布”

点积结果可以是任意实数，而 Softmax 会把它们压缩到 ( [0, 1] ) 区间，并且所有权重之和为 1。
这让注意力分数能被解释为概率分布，即模型在关注谁、关注多少。

2. 放大强关注、削弱弱关注

Softmax 有指数特性，会让大的分数更大、小的分数更小，从而突出主导注意力。
这在语义建模中非常关键——模型不会平均地看所有 token，而是能聚焦重点。

2. 梯度稳定性

如果直接用点积做加权，分数可能过大或过小，导致梯度不稳定。
Softmax 保证了数值范围可控，梯度传播更平滑。

最后一步，把注意力权重乘上 Value：

就得到了每个 token 根据上下文动态加权后的新表示。

总结一下，Q、K、V 的线性变换是为了让模型从同一输入中生成不同功能的向量表示，分别负责提问、匹配和传递信息，增强模型的表达灵活性。

Softmax 的作用则是把相似度分数转成稳定的注意力分布，突出重点并保证梯度可训练。

五、如何系统的学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.大模型 AI 学习和面试资料

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传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】