每天学一个硬核AI知识点：Multi-Head Attention（多头注意力）

Multi-Head Attention是Transformer架构的核心组件，通过多个注意力头并行计算，让模型同时关注不同位置的表示子空间。每个头独立执行缩放点积注意力，输出被拼接并线性变换。这种设计增强了模型捕捉多种依赖关系的能力，是理解现代语言模型的关键。