attention_apply — LLMCORE `score` op

• データ種: attnmap × tokens → tokens

• 呼び出し: import fullseye as fs; fs.ledger.attention_apply(weights, value) -> 'np.ndarray' (実装を直接呼ぶなら import llmcore; llmcore.attention_apply(weights, value) -> 'np.ndarray'、台帳から引くなら opsllmcore.get("attention_apply"))

使い方

注意の重みで値を混ぜる → tokens。行和 1 なので出力は入力の凸結合。

Args:

weights: (T, S) float。行和が 1 であること(`attention_weights` の出力)。

value: (S, dv) float。混ぜられる側。

Returns:

tokens (T, dv) float: 各行が value の行の凸結合。値域は value を出ない

(同時に幅は縮む —— 平均は対比を潰す)。

詳しい使い方ガイド

• llmcore ファミリガイド

参考(サンプルデータ・文献)

• サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• poc_attention_identities — py -3.11 examples/poc_attention_identities.py

型が繋がる次の op(`tokens` を入力に取れる)

rms_norm · rope_rotate · attention_scores · attention_softmax · attention_tiled · attention_linear · attention_grouped · kv_cache_decode

同カテゴリ(`score`)

attention_scores · attention_weights

*Provenance: llmcore.py — LLMCORE operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

attention_apply — LLMCORE score op

使い方