查询 A，为什么 B 和 C 也跟了进来？
M02/b0 · 三张固定记忆卡
这三张卡的位置始终不动。每张卡上面是用来匹配的 key，下面是要带回的 value。我们查询的正是 A 的 key，所以它与 A 的相似度是1；与 B 是0.2，与 C 是负0.2。A、B、C 的 value 是三个不同方向的单位向量，因此每个成分都能单独看见。现在先不用概率，只按相似度直接加权。
教师备课：指图与模拟问答
指图与推进 · 不朗读依次指查询与三条相似度；不要求学生计算。
M02/b1 · 看见混入的成分
读出结果是一个 A，加上零点二个 B，再减去零点二个 C。正向的柱子向上，负向的柱子向下。这三个系数不是概率；它们可以带负号，也不要求加起来等于一。目标 A 确实被读回来了，但答案同时夹带了 B 和 C 的成分。问题不是没有存住 A，而是读取时没有充分隔开相关与无关。
教师备课：指图与模拟问答
指图与推进 · 不朗读显出三根带共同零线的成分条，指出 C 向下。
M02/b2 · 候选更多时
现在只在背后添上更多候选。每一项看起来可能都很弱，可是一项项叠加以后，查询仍要面对它们的影响。它们不一定同向，也可能抵消，所以这里没有画一条假装实测的增长曲线。我们只留下一个具体问题：能否让较强匹配保留下来，让弱匹配和不适合的响应更少进入结果？下一页保持这三张卡和原始分数不变。
教师备课：指图与模拟问答
指图与推进 · 不朗读加淡色候选；维持前三卡和三根成分条位置。
补充推导、边界与来源
这是一个可复算的独立教学构造。查询 q=kA=(1,0)，另两个单位 key 为 kB=(0.2,√0.96)、kC=(−0.2,√0.96)。三个 value 是三维坐标基向量 A=(1,0,0)、B=(0,1,0)、C=(0,0,1)。查询与目标 key 完全相同，三个相似度分别为 1、0.2、−0.2。
线性读取 f(q)=Σᵢ(kᵢᵀq)vᵢ，因此输出为 A+0.2B−0.2C。目标是 A，非目标分量为 (0,0.2,−0.2)，其欧氏长度 √0.08≈0.283。系数不是概率：可以为负，也没有归一化约束。图中的正负方向表示 value 分量的符号，不表示“负概率”。
最后增加的淡色候选只表示可能出现更多弱相关项，没有给出测量曲线。更多候选是否累计成更大干扰，取决于方向、相关性和读取规则；有些分量也可能相互抵消。这一构造不测量 Transformer 的知识容量，也不把 GPU 显存容量与成功读回条数混为一谈。
本页证据与条件
教学构造；用于辨认计算过程，不是模型运行结果