大语言模型：Transformer 与注意力机制
搞懂 Transformer 靠自注意力如何让序列里的词互相关联，建立对大模型底层结构的直觉。
已连载 4 篇
为什么需要注意力：RNN 的瓶颈与「每个词直接看见彼此」的直觉
从 RNN 串行处理、长程衰减、信息瓶颈三个痛点，引出注意力机制的核心动机——让序列里每个词直接看见所有其他词。
自注意力核心运算：QKV 与缩放点积
Query/Key/Value 三个向量各是什么角色，缩放点积注意力如何算出每个词该从其他词身上聚合多少信息
多头注意力与位置编码：Transformer 的两块基础拼图
为什么需要多个注意力头（多视角关注不同关系），以及自注意力本身不含顺序、如何用正弦波位置编码把词的先后位置信息喂进去
Encoder/Decoder 堆叠、残差连接与 LayerNorm：Transformer 为什么能堆到很深
把前几篇拆解的组件拼回完整架构，理解残差连接、层归一化和前馈网络如何让 Transformer 堆到 96 层以上
