PAD_TOKEN 唯一作用：批量训练 / 推理时补齐短文本，让一批序列长度相同；仅放在每条序列 EOS 的后方，纯占位无语义；配合 attention_mask 和 labels=-100，全程屏蔽填充部分，不参与计算、不参与损失；模型只会输出 EOS，绝不会生成 PAD；LLaMA 等模型需手动设置 pad_token，否则批量训练报错。

8n+1。