学习前：

五大问题：

1. 为什么SwiGLU激活函数能够提升模型性能？
2. RoPE位置编码是什么？怎么用的？还有哪些位置编码方式？
3. GQA（Grouped-Query Attention, GQA）分组查询注意力机制是什么？
4. Pre-normalization前置了层归一化，使用RMSNorm 作为层归一化方法，这是什么意思？还有哪些归一化方法？LayerNorm？
5. 将self-attention改进为使用KV-Cache的Grouped Query，怎么实现的？原理是什么？

Embedding

Embedding的过程：word -> token_id -> embedding_vector，其中第一步转化使用tokenizer的词表进行，第二步转化使用 learnable 的 Embedding layer。

这里的第二步，不是很明白怎么实现的，需要再细化验证

RMS Norm

对比Batch Norm 和 Layer Norm：都是减去均值Mean，除以方差Var（还加有一个极小值），最终将归一化为正态分布N(0,1)。只不过两者是在不同的维度(batch还是feature)求均值和方差，（其中，减均值：re-centering 将均值mean变换为0，除方差：re-scaling将方差varance变换为1）。

参考知乎的norm几则

RoPE(Rotary Positional Encodding)

绝对Positional Encodding的使用过程：word -> token_id -> embedding_vector + position_encodding -> Encoder_Input，其中第一步转化使用tokenizer的词表进行，第二步转化使用 learnable 的 Embedding layer。将得到的embedding_vector 和 position_encodding 进行element-wise的相加，然后才做为input送入LLM的encoder。

理解LLM位置编码:RoPE