在 Transformer 的缩放点积注意力中，为什么 Q 和 K 的点积要除以根号下 d_k，能不能用其他数值？请从数学原理上解释。
考察说明
考察对注意力机制数学原理的理解，特别是方差分析与缩放因子的作用
回答思路
- 指出点积随维度增长导致方差变大，Softmax 梯度消失
- 推导 Q·K 的方差约为 d_k，除以 sqrt(d_k) 使方差归一为 1
- 说明使用其他数值可能使分布过陡或过平，影响训练稳定性
- 理解该设计在训练稳定性和梯度传播上的必要性
本题已收录答题指导
本题附完整参考答案与评分标准
登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。