Self-Attention 中的 Q、K、V 与计算
哪些公司问过
答案要点
- Q、K、V 由同一输入 x 经三个不同线性变换 Wq、Wk、Wv 得到
- 角色:Q 查询、K 被匹配、V 内容;Q·Kᵀ 得相关性,除以 √dk,softmax 后加权 V
- 三者不同,让同一个 token 能扮演不同角色;若都等于 x,注意力退化为简单相似度加权
- 并行:整个序列的 Q、K、V 用矩阵乘法一次算出
- 长上下文复杂度为序列长度平方:FlashAttention、稀疏/线性注意力、滑动窗口等优化
易错点
- 把 Q、K、V 说成三个不同的输入
- 忘了除以根号 dk 以及 softmax
- 说 Q、K、V 相同也能达到同样效果
- 不知道注意力复杂度是序列长度的平方
面试官常见追问
- 为什么要除以根号 dk?
- 同一个 token 的 Q、K、V 为什么不一样?
- 上下文特别长时怎么优化注意力?
- Self-Attention 和 Cross-Attention 有什么区别?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。