多头注意力：分头投影、并行计算与输出组合

根据机器转写整理，未经原音或画面核对。这里使用讲者的经典多头注意力示例；维度、掩码和实现方式应以具体模型为准。

多个头如何处理同一输入

讲者先回顾单个注意力头：将输入表示分别投影为 Q、K、V；由 Q 与 K 计算匹配分数，经缩放、必要的掩码和 Softmax 得到权重，再对 V 做加权组合。多头注意力使用不同的投影，让各个头在不同表示空间中计算注意力，而不是把完全相同的一次计算机械重复。

不同投影可以产生不同的注意力模式，但不能仅凭头的编号断言某个头固定负责语法、人名或情绪；头的具体行为需要对实际模型进行分析。

维度、拼接与输出投影

讲者举例：若隐藏维度为 512、使用 8 个头，经典配置中每个头的维度可为 64；8 个头各自产生 64 维结果，拼接后总宽度为 512。这个算例说明维度关系，不表示所有架构都使用同样的头数或配置。

各头结果先拼接（concatenate），再经过输出投影矩阵进行线性组合。拼接把各头结果放在一起，输出投影使后续表示能够组合这些结果；具体权重和计算布局取决于实现。

与后续模块的边界

该来源主要解释多头注意力，最后仅引出下一节的残差连接，并未完整讲解残差的设计和作用。注意力结果如何进入后续归一化、残差或前馈模块，需要结合具体 Transformer 架构查看。