目标实验目标
把多头注意力的三个关键参数单独调出来：头数 H（能同时抓几种关系）、每头维度 d/H（每头的工作空间）、温度（softmax 的锐利度）。
怎么玩先把几个头切换着看：头 1 盯主语，头 2 盯宾语，头 3 盯指代……同一个词在不同头里算出完全不同的分布，这就是「多头各管一摊」。
参数控制
H 越大，能同时建模的关系种类越多。
每头维度 = d_model / H，会自动算出来。
T 低 → 权重更集中；T 高 → 目光更分散。
维度账头和维度的关系
关键8 个头 × 64 维 = 512 维，和单个 512 维的头总计算量持平。所谓「切」，切的是每个头的工作空间，不是输入——每个头都用完整的 d_model 维作输入。
热力图当前头的注意力分布
每一行 = 一个词（发出查询），每一列 = 它看向的词。颜色越深，权重越重；每行加起来约 100%。
对比各头在看什么
挑战实验课挑战
挑战 1 · 找分工的头
逐个切换头，找出「盯着前一个词」的那个头，和「盯着句首主语」的那个头。它们的图案差在哪？
逐个切换头，找出「盯着前一个词」的那个头，和「盯着句首主语」的那个头。它们的图案差在哪？
挑战 2 · 维度的账
H 从 4 调到 8，每头维度从多少变成多少？总维度变了吗？
H 从 4 调到 8，每头维度从多少变成多少？总维度变了吗？
挑战 3 · 温度的作用
T 从 1.0 降到 0.4，热力图是不是变得更「非黑即白」？这类似真实模型的什么现象？
T 从 1.0 降到 0.4，热力图是不是变得更「非黑即白」？这类似真实模型的什么现象？
挑战 4 · 单头的局限
把 H 设为 1，这个头被迫同时兼顾主谓和动宾。热力图能看出「混成一团」吗？
把 H 设为 1，这个头被迫同时兼顾主谓和动宾。热力图能看出「混成一团」吗？