transformer的基本结构和工作原理，多头自注意力机制的作用是什么，为什么使用位置编码？

Transformer 架构是现代大模型的基石，下面我从结构、原理、多头自注意力、位置编码四个方面做一个清晰的解释。

🌐 一、Transformer 的基本结构（以原始的 Encoder-Decoder 架构为例）

Transformer 由 编码器（Encoder） 和 解码器（Decoder） 两部分组成：

🔷 编码器（Encoder）

每个 Encoder Block 包含两层：

1. 多头自注意力层（Multi-Head Self-Attention）
2. 前馈神经网络（Feed Forward Network, FFN）

加上：

• 残差连接（Residual Connection）
• 层归一化（LayerNorm）

残差连接的核心思想是：在每一层中，输入信号与当前层的输出信号进行相加。这种做法有助于让神经网络学习到更有效的表示，特别是在网络层数较多时&#x