面试官：我们来聊聊Transformer吧，Transformer的复杂度为什么这么高？有什么办法能优化到线性级吗？
面对这种原理与优化问题，其实都是有模板的，下面我们来看一看该怎么回答。
一、先看原始的Self-Attention在干嘛
输入序列长度是 n，每个token是一个向量，维度是 d：
Self-Attention要做三步：
1.把输入投影成 Q, K, V，维度都是 n × d。
2.算相似度矩阵：
这步是关键！QKᵀ的结果是 n × n。
3.然后加权求和：
所以，
·计算量：QKᵀ是 O(n²*d)
·存储量：A 是 O(n²)
这就是Transformer卡顿的根源——n²炸裂增长。
二、如何优化？
思路其实很直接：别算完整的 n×n。我们要么近似计算，要么减少交互。下面是几种经典方案：
1. Sparse Attention（稀疏注意力）
不是所有token都需要看所有token，局部邻域就够了。
比如Sparse、TransformerLongformer、BigBird：
·只计算局部块（local window）或部分全局token。
·计算量从 O(n²) → O(n*k)，k ≪ n。
2. Low-Rank Approximation（低秩近似）
比如 Linformer：把 K 和 V 投影到低维空间。
其中 E 是个 n×k 投影矩阵。复杂度变成 O(n*k)。本质上是假设注意力矩阵是低秩的，不需要全秩表示。
3. Kernelized Attention（核函数注意力）
这类方法最聪明，比如Performer、Linear Transformer。
核心技巧是把 Softmax(QKᵀ) 换成一个核函数形式：
这样就能重排计算：
计算顺序从 O(n²*d) → O(n*d²)。
其中步骤就是先算出 K 部分的“全局汇总”，再乘上 Q，就不用两两相乘了，一次搞定，完美线性化。
4. Recurrent / Chunk-based Attention
比如 LongNet、Transformer-XL、RetNet。
它们利用递归或状态缓存，让模型记住过去的信息，而不是重新计算所有注意力。每一段计算 O(n)，再接上状态，复杂度线性。就像人类的短期记忆一样：“不用每次都从头回忆，记住重点就行。”
三、小结
Self-Attention从平方到线性，靠的不是一个“奇迹算法”，而是一系列聪明的折中。有的舍弃部分交互，有的重新排列计算顺序，有的直接假设低秩结构。
至此，Transformer为什么有这么高的复杂度的原理以及优化方法的回答就可以结束了。
但是要注意在回答的过程中不要死记硬背，要理解之后转化为自己的知识再回答，面试官往往注重的不是你回答的一丝不漏，而是你回答的逻辑性与对问题的理解深度，所以一定要注重展示出自己的思考能力。
四、如何学习AI大模型？
如果你对AI大模型入门感兴趣，那么你需要的话可以点击这里大模型重磅福利：入门进阶全套104G学习资源包免费分享！
这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
这是一份大模型从零基础到进阶的学习路线大纲全览，小伙伴们记得点个收藏！
第一阶段：从大模型系统设计入手，讲解大模型的主要方法；
第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
100套AI大模型商业化落地方案
大模型全套视频教程
200本大模型PDF书籍
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
LLM面试题合集
大模型产品经理资源合集
大模型项目实战合集
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
