学习前：
五大问题：
- 为什么SwiGLU激活函数能够提升模型性能？
- RoPE位置编码是什么？怎么用的？还有哪些位置编码方式？
- GQA（Grouped-Query Attention, GQA）分组查询注意力机制是什么？
- Pre-normalization前置 了层归一化，使用**
RMSNorm**作为层归一化方法，这是什么意思？还有哪些归一化方法？LayerNorm？ - 将self-attention改进为使用
KV-Cache的Grouped Query，怎么实现的？原理是什么？
Embedding
Embedding的过程 ：word -> token_id -> embedding_vector，其中第一步转化 使用tokenizer的词表 进行，第二步转化 使用 learnable 的 Embedding layer。
这里的第二步，不是很明白怎么实现的，需要再细化验证
RMS Norm
对比Batch Norm 和 Layer Norm：都是减去均值Mean，除以方差Var（还加有一个极小值），最终将归一化为正态分布N(0,1)。只不过两者是在不同的维度(batch还是feature)求均值和方差，（其中，减均值：re-centering 将均值mean变换为0，除方差：re-scaling将方差varance变换为1）。
RoPE(Rotary Positional Encodding)
绝对Positional Encodding的使用过程：word -> token_id -> embedding_vector + position_encodding -> Encoder_Input，其中第一步转化使用tokenizer的词表进行，第二步转化使用 learnable 的 Embedding layer。将得到的embedding_vector 和 position_encodding 进行element-wise的相加，然后才做为input送入LLM的encoder。
