位置编码是transformer中的关键部分，解决了transformer对于序列中的单词顺序不敏感的问题。从为什么、是什么、怎么做来了解位置编码。
1. 为什么需要位置编码？
时序数据本身都隐式地包含了位置信息，但是不同模型的模型对于位置信息是否敏感不同。决定位置是否敏感，可以简单理解为如果更换时序序列的单词顺序，输出结果是否发生变化。如果发生了变化，如RNN、CNN，则是位置敏感的模型，如果没有发生变化，如transformer，则是位置不敏感的模型，需要额外引入位置编码。
2. 为什么transformer对位置不敏感？
transformer的核心机制是attention，transformer对位置不敏感，本质上是attention对位置不敏感。举例来说，一个句子，“我吃香蕉”，注意力机制会生成Q（“我”），Q（“吃”），Q（“香蕉”），K（“我”），K（“吃”），K（“香蕉”），V（“我”），V（“吃”），V（“香蕉”），无论单词顺序如何，输出的第一部分，Z（“我”）= （Q（“我”）· K（“我”））V（“我”）+（Q（“我”）· K（“吃”））V（“吃”）+（Q（“我”）· K（“香蕉”））V（“香蕉”），与顺序无关。因此，attention仅依赖于词与词之间的相似度来计算权重，无法区分不同顺序的句子，不具备处理序列顺序的能力。
3. 有哪些位置编码？
绝对位置编码和相对位置编码，固定位置编码和可学习位置编码
a. 绝对位置指的是每个单词在序列中的具体位置，如“我”是第一个单词。主要方法是对输入的嵌入向量增加位置编码嵌入，经典transformer使用正余弦位置编码，公式如下：
此外，还包括可学习的绝对位置编码，将位置编码嵌入设置为可学习参数。
b. 相对位置指的是单词与单词之间的距离，如“我”是“吃”的前面一个单词。主要在注意力计算时进行相对位置信息的融合，下面介绍两种方式，首先是可学习相对位置嵌入，b是sxs的矩阵，s代表序列长度，bi-j对应i和j之间的相对位置编码，以可学习的参数的形式呈现。
其次，是RoPE，LLama中采用，旋转位置编码。公式如下：
c. 为什么正余弦位置编码需要正余弦交替？因为正余弦交替则可以对PE（pos）进行线性变换获得PE（pos+k），因此包含了相对位置信息。
