Interview: Self-Attention为什么需要Q、K、V三个矩阵？用同一个矩阵行不行？
题目解析
这道题考察候选人对QKV分离设计的本质理解。表面上看QKV都来自同一个输入X，似乎可以共享参数，但这会极大限制模型的表达能力。面试官想看你能否从功能分工的角度给出有说服力的解释。
解答思路
Q、K、V承担不同角色：Q代表我在找什么，K代表我能提供什么，V代表我的实际内容。如果Q=K=V=X，注意力矩阵退化为X·X^T经softmax后乘X，这本质上是一个对称的相似度加权平均，无法实现非对称的信息检索。分离投影让模型可以学习：token A关注token B，不意味着B也必须关注A。
关键要点
三个矩阵的核心价值：(1)打破对称性——Q和K使用不同投影时，attention矩阵不必对称，允许非对称关系建模；(2)解耦检索与内容——用什么标准检索（Q·K）和检索到什么内容（V）是独立的；(3)增加参数空间的秩——共享矩阵时有效参数空间受限，分离后模型容量更大。
加分回答
可以提到线性Attention的工作（如Performer），它将Q和K分别通过特征映射后做外积，进一步说明QK分离的必要性。也可以讨论实验证据：有论文尝试过tied QK（sharing Q and K projections），发现性能有明显下降，尤其在需要建模长距离非对称依赖的任务上。
常见踩坑
最常见的错误回答是三个矩阵增加了参数量所以效果更好——这是因果倒置。参数量相同时分离投影依然优于共享投影。另一个误区是认为V矩阵不重要，实际上V的投影决定了输出的表达空间，同样关键。