Transformer 的 Encoder-Decoder（编码器-解码器）架构是现代大语言模型（如 GPT、BERT、T5）的基石。要理解它的流程，我们可以把它想象成一个“阅读理解并翻译”的过程：Encoder 负责通读全文、深度理解并提取上下文特征；Decoder 负责根据 Encoder 提取的特征，结合已经生成的内容，逐字逐句地写出目标输出。 下面我将以机器翻译（例如：中文“我爱你”翻译成英文“I love you”）为例，拆解 Transformer 整体架构的数据流转流程。 --- 第一阶段：输入处理阶段（Input Processing） 在数据真正进入 Encoder 或 Decoder 之前，必须先经过两步处理： 1. 词嵌入（Word Embedding）： 计算机看不懂文字，所以要把“我”、“爱”、“你”转化成固定维度的数学向量（比如 512 维）。 2. 位置编码（Positional Encoding）： RNN 是按顺序一个词一个词处理的，天然知道先后顺序。但 Transformer 是“一眼看全句”（并行处理）的，这就导致它不知道词的先后顺序。为了解...
播面