今天从零复现了 Transformer 编码器，包括多头注意力、前馈网络、位置编码和残差连接等核心组件。通过动手实现，对自注意力机制有了更直观的理解。理解了自注意力的计算流程和缩放点积注意力的原理。掌握了多头注意力的拆分与拼接逻辑。能够独立实现一个可运行的 Transformer 编码器。明白了 Transformer 在 VLA 中承担跨模态融合和动作解码的关键角色。