大模型中的注意力机制是如何工作的？它在大模型中起到了什么作用？

回答思路

1. 能解释Q、K、V的数学含义及注意力权重计算流程
2. 能说明多头注意力的作用与动机
3. 能联系Transformer整体架构，分析注意力机制对长程依赖、并行计算和可解释性的贡献
4. 能指出注意力机制在大模型中的局限，如计算复杂度、长度外推等
5. 能结合具体大模型实践说明其重要性，而非只背公式