Mind Map
Explorez l’attention réelle d’un transformeur sans envoyer votre phrase à un serveur.
Le principe
Une phrase entre sous forme de mots. Dans le modèle, elle devient un champ de relations.
Un résultat bert-mini précalculé s’ouvre instantanément — même modèle, mêmes quatre couches et seize têtes, mêmes valeurs qu’en lançant une phrase, sans le téléchargement. Votre phrase passe ensuite dans cet encodeur sur votre appareil.
L’idée centrale
Le poids devient lumière
Choisissez un mot et l’interface lit sa vraie ligne d’attention. Chaque arc rejoint un autre mot : les chemins plus lumineux et plus épais portent davantage de poids, tandis que la valeur exacte reste visible dans le classement.
Tout ce qui précède est un résultat réel, calculé à partir des poids livrés — et non une illustration. Lancez votre propre phrase et les mêmes nombres sont recalculés sur votre appareil.
Trois façons de la lire
La même attention calculée se lit comme une relation cinématique, une tête individuelle ou la matrice complète. Changer de vue modifie l’objectif, jamais le résultat sous-jacent.
Diagram
RELATION
Un mot ciblé projette des arcs pondérés sur la phrase, accompagnés d’un classement complet qui rend chaque affirmation visuelle vérifiable.
Tokens
MOTS → MORCEAUX
Chaque mot à côté des morceaux que le vocabulaire lui a imposés, avec la ligne qu’il occupe. Le modèle ne reçoit jamais vos mots — seulement ces nombres.
Matrix
TOUTES LES PAIRES
Lisez chaque poids source-cible sur une échelle commune, puis sélectionnez une ligne pour la remettre au premier plan.
Sous le capot
Passe BERT réelle
Un encodeur BERT mini à quatre couches s’exécute directement en JavaScript. Les poids affichés viennent de sa véritable attention softmax, pas d’une animation fictive.
Poids en précision mixte
La plupart des matrices utilisent int8 ; les poids query et key sensibles à l’attention utilisent int16 ; les biais et la normalisation restent en fp32.
Embeddings chargés par plages
Le navigateur ne demande que les lignes d’embedding nécessaires à votre phrase au lieu de télécharger la table complète de 31,25 Mo.
Worker dédié
La tokenisation, la validation des ressources et l’inférence restent hors du thread principal afin que la scène demeure fluide.
Ressources vérifiées par SHA-256 · tokenizer WordPiece · aucun backend · aucune API de modèle distante
En chiffres
Comment l’interpréter
Un diagnostic, pas un lecteur de pensée
L’attention est une vue diagnostique, pas une preuve de sens ou de raisonnement. Sur un modèle à quatre couches, le rollout moyenné sur les têtes est presque uniforme : ce n’est donc pas ce qui vous est montré. Pour le mot ciblé, la scène retient la tête la plus sélective parmi celles qui ne se contentent pas du mot voisin, et l’affiche avec le poids qui la justifie.
Privé par conception
L’inférence s’exécute dans un worker dédié du navigateur. La page exclut les analyses produit et Sentry, et la phrase reste sur votre appareil.
Placez une phrase dans le modèle
Ciblez un mot, changez de tête, ouvrez la matrice et inspectez les nombres derrière chaque rayon, sans jamais envoyer la phrase ailleurs.
Ouvrir la scène interactiveAutres Projets
0101
Vie Particulaire
Des milliers de particules suivent des règles simples d'attraction et de répulsion. Aucune structure n'est programmée — un comportement complexe, semblable à la vie, émerge spontanément.
0202
Évolution des Créatures
Des créatures 2D faites d'articulations et de muscles commencent impuissantes. Un algorithme génétique les fait muter au fil des générations jusqu'à ce qu'elles découvrent comment se déplacer.