Transformer aus Papier — Schritt 1: Der Tokenizer

Schritt 1b: BPE — Byte Pair Encoding

Schritt 2: Embedding — Zahlen bekommen Bedeutung

Schritt 3: Positional Encoding — Wo stehst du im Satz?

Schritt 4: Self-Attention — Das Herzstück

Schritt 4b: Masked Attention & Multi-Head

Schritt 5: Add & Norm + Feed-Forward Network

Schritt 6: Die Output-Schicht — Vom Vektor zum Wort

Transformer — Komplette Mathematik

Alle Formeln und Berechnungen für „Die Katze sitzt auf der Matte" …