多头注意力

并行运行多组注意力，从不同子空间捕捉多样的关系。

多头注意力将查询、键、值拆分到多个「头」，每个头关注不同模式（如语法、指代、语义），最后拼接融合。它是 Transformer 标准组件，显著提升表达力。