我日你大坝被耍猴了

刚工作的时候心高气傲啊，程序报错就看个开头，觉得差不多知道啥问题了。结果修了半天发现根本不是这个错，浪费时间。现在老老实实把报错看完再动手。遇到的问题解决了就算了，结果过两个月又遇到同样问题，还得重新百度。现在建了个文档，踩过的坑都记下来，领导还夸我总结得好。

"各系统准备就绪，可以发布。" 项目群里，运维、测试、产品都发了确认消息。我盯着发布流程的最后一个步骤，鼠标悬停在"确认发布"按钮上。 距离零点上线还有5分钟。 我突然想起下午压测时，有个监控指标跳了一下，当时以为是网络抖动。 "等等。"我在群里打字，"让我再看一眼监控面板。" 群里安静了两秒。 我快速切到 Grafana，调出那个服务的 JVM 内存曲线。果然，在高并发场景下，老年代的增长速度比预期快了 15%。 "这个服务的 GC 频率有点高，"我在群里发了截图，"如果流量再涨 2...

太闲了想写写自己的东西，但是又不想给小号仓库权限就fork了提交了pr，然后主号merge点下去就被封号了

1. Transformer 为什么使用多头注意力机制，为什么不只用一个头？多头注意力的核心，不是单纯把一个 attention 做很多遍，而是让模型在不同子空间里同时学习不同类型的关系。一个头可能更关注主语和谓语的关系，另一个头可能更关注长距离依赖，还有的头更容易学到局部词序和语义搭配。如果只用一个头，模型也能做注意力，但它只能在一个投影空间里建模，表达能力会受限。多头的做法是先把输入分别线性映射成多组 (Q,K,V)，每组各自做 attention，最后再拼接起来。这样模型就能从多个角度同时看同一句话。公式一般写成：其中：所以多头的本质价值是：增强表示能力，而不是简单重复计算。2. 为什么...