很多博文用公式描述RoPE的作用，看来看去还是似懂非懂，本文用图形的方式形象化的展示RoPE的作用；
首先，RoPE的核心思想是通过绝对位置编码的方式实现相对位置编码，本文主要围绕下图进行介绍；
假设一个序列
s
=
[
s
1
,
s
2
,
.
.
.
,
s
100
]
s = [s_1, s_2, ...,s_{100}]
s=[s1,s2,...,s100]（为了直观，这里取1作为起始位置，以下同理），要计算第100个位置上的注意力，需要得到
q
100
∗
[
k
1
,
k
2
,
.
.
.
,
k
100
]
q_{100}*[k_1, k_2, ...,k_{100}]
q100∗[k1,k2,...,k100]，由于是自注意力，这里的
q
100
=
k
100
q_{100}=k_{100}
q100=k100，如果是常规的绝对位置编码，这里的
q
=
q
词嵌入
+
q
绝对位置嵌入
q=q_{词嵌入}+q_{绝对位置嵌入}
q=q词嵌入+q绝对位置嵌入，
k
k
k也相同；
在RoPE中，取 q = q 词嵌入 q=q_{词嵌入} q=q词嵌入，同时假设隐层维度是768，则 q 100 = [ q 100 , 1 , q 100 , 2 , . . . , q 100 , 768 ] q_{100}=[q_{100,1},q_{100,2}, ...,q_{100,768}] q100=[q100,1,q100,2,...,q100,768]，因为在RoPE中相当于是二维旋转编码，所以两个两个进行旋转计算，先取 q 100 = [ q 100 , 1 , q 100 , 2 ] q_{100} = [q_{100,1},q_{100,2}] q100=[q100,1,q100,2]，同理 k 1 至 k 100 k_1至k_{100} k1至k100也只取前两维。
假设这100个词的词嵌入都相等（为了更明显的看出旋转位置带来的差异，后面再解释词嵌入的差异）。由于这里只取二维，所以可以表示成向量的形式，假设所有的词嵌入都用图中A向量表示。
现在每个词嵌入都需融入一个绝对位置嵌入，融入的方式不是常规的与词嵌入相加，而是进行旋转，旋转角度为 i θ i\theta iθ， θ \theta θ用一个固定的角度表示， i i i代表当前的位置下标。比如序列 s 1 s_1 s1旋转 θ \theta θ角得到图中B向量， s 10 s_{10} s10旋转 10 ∗ θ 10*\theta 10∗θ角得到图中C向量， s 100 s_{100} s100旋转 100 ∗ θ 100*\theta 100∗θ角得到图中D向量。这里旋转之后也带来了余弦相似度的变化， q 100 ∗ k 100 q_{100}*k_{100} q100∗k100时相似度为1，结果完全是词嵌入之间的相似度， q 100 ∗ k 10 q_{100}*k_{10} q100∗k10时则带来了 90 ∗ θ 90*\theta 90∗θ角度相似度的差异。所以可以说通过绝对位置编码的方式实现了相对位置编码。
下面再说词嵌入的差异，正常来讲每个token的词嵌入是不一样的，但这是词嵌入本身就带有的差异，RoPE只是在词嵌入基础上增加了位置上的差异，所以是合理的。
由于内积带有线性叠加性，图中多个两维处理之后可以直接叠加到一起，所以原理是相同的。
讲RoPE公式的博文已经很多了，这里就不列公式了，想看公式了解细节的可以移步其他博文。
