Visualisieren Sie Self-Attention als Lichtstrahlen zwischen Tokens und spüren Sie, wie softmax(QKᵀ/√dk) entscheidet, welches Wort „it“ anschaut.
Maschinell aus dem englischen Original übersetzt. Englisches Original öffnen
Sieben Wörter schweben als Lichtbögen. Jedes Mal, wenn der Blickpunkt von Wort zu Wort wandert, erscheint als Lichtbündel, wohin dieses Wort im Satz „blickt“. Beobachte zunächst den Fluss und bestätige, dass sich die Form des Lichts von Wort zu Wort verändert.
Verfolge den Schwenk und finde den Unterschied zwischen Wörtern, bei denen sich das Licht bündelt, und solchen, bei denen es sich zerstreut.