Transformer

业务通俗比喻 把每一层Block想象成一道加工工序： - 第1‑2层：看懂字面、词语、局部语法（看懂相邻词语关系） - 第3‑4层：理解句子句法、短语关系 - 第5‑6层：提炼全局深层语义、长距离逻辑（跨很远的词的指代、逻辑） 句子（张量）一层层流过每道工序，逐层把原始输入打磨成高级语义特征。 👉

从向量到QKV到点积到缩放到Softmax到加权融合，完整的Transformer注意力流程，全程业务语言，供应链案例贯穿。

用业务语言讲清楚 Cross-Attention：两组相互对应的信息，用A做查询方去检索匹配B里的内容。

用供应链业务案例讲透Self-Attention：一份数据内部互相查找关联，Q/K/V全部来自同一数据源，是理解Transformer的第一块基石。

多头注意力赋予注意力多种子表达方式，8组独立QKV矩阵并行分析，同时捕捉因果、时序、实体、动作等多种关系。

通过Q-K点积自动算出任意两条业务信息之间关联程度，详解Thing、query-vector、key-vec等概念，区分点积与余弦相似度的本质差异。

点积是一套快速计算公式，用来衡量两组向量大方向是否一致，输出一个数字代表匹配程度，是注意力机制计算关联程度的基础运算。