#自注意力

自注意力机制的原理是什么？为什么缩放点积注意力要除以根号 d_k？

考察对 Q/K/V 计算流程的理解深度，重点是缩放的数学动机（方差随维度增长导致 softmax 饱和）以及工程实现中的多头设计和复杂度问题。