一篇面向非数学背景读者的 LLM 架构详解，从 token 到注意力机制，覆盖现代 Transformer 核心，获 HN 社区 800+ 点赞，适合想理解 LLM 底层原理的开发者。
一篇名为《How LLMs Actually Work》的技术文章近期在 Hacker News 上获得约 800 点热度。该文由 0xkato 于 2026 年 6 月 1 日发布，旨在用通俗语言解释现代基于 Transformer 的 LLM 工作原理，避免繁杂的数学公式。作者指出，理解 Transformer 组件即可掌握大部分 LLM 架构，而不同模型间的差异主要源于训练数据、规模配置和后期训练方式。
文章从 token 化开始，逐步拆解 embeddings、位置编码、注意力机制、多头注意力、前馈网络、残差流和层归一化，最后说明 next token 预测和生成循环。文中穿插“小解释”帮助零基础读者跟进，并探讨了 token 化带来的常见误区（例如 LLM 为何数不清 strawberry 里的 r 字母）。这篇教程让读者能快速读懂现代 LLM 论文或模型卡中的架构描述。
原文链接: https://www.0xkato.xyz/how-llms-actually-work/