可以再分别去看看相关的研究。设定一个池化因子p，往上每一层的窗口大小就是下面一层窗口大小*P，窗口不会重叠，窗口框住下面一层的元素，做平均池化，算平均值，作为这一层的窗口的Q、K、V（重新进行了计算，所以每个窗口框住的不管是原始序列的几个元素，算出来都是一个节点，一个QKV）。知道了原来多头注意力不是随便对矩阵做分块的，是直接训练多个W映射，将输入映射到多个低纬度的QKV，所以虽然是低纬度的QKV