注意力在已经算过的位置里做加权

整份文件贴进窗口，关键函数明明就在中间，可模型的回答却像完全没看见它。token 确实还在窗口里，但这一层算出来的权重可以接近 0。这篇用三行向量手算缩放点积注意力，展示因果掩码怎么把未来的位置清成 0，全程不训练。