缩放点积注意力把 Q·Kᵀ 除以 √d_k 再做 softmax，主要目的是？

1. A.防止 d_k 较大时点积过大、softmax 进入饱和区导致梯度极小
2. B.把注意力权重压缩到 0–1 之间，否则 softmax 无法输出概率
3. C.减少一半的浮点运算量，加速推理
4. D.使模型能处理比训练时更长的序列