Embedding & Positional Encoding
每个 token 映射为向量（归一化），并加上位置编码。
Query / Key / Value（简化）
此处 Q = K = V = embedding（为教学简化）。查询为活跃位置的向量。
Scores（点积 / 缩放）
scores[j] = (q·k_j) / √d
Mask（自回归） & Attention Weights
Mask 屏蔽未来位置；Softmax 将 scores 转为概率 α_j。
Context 向量 z
z = Σ_j α_j * v_j（加权和）
简单 FFN + Residual（示意）
采用 2-layer FFN（ReLU），并做简单残差，展示 h。
Logits 与 输出概率（softmax）
logits[i] = h · embedding[i]（或 W_out 投影）；然后 softmax 得 p(i)。
最终预测与选择策略
演示 greedy(argmax) 策略。