Witllm/wit/doc/train_meaning_dataset.md

Train Meaning dataset

level and index

不同level和index对结果的影响

不同模型深度对结果的影响

6层相对于3层没有提升的原因，可能是数据集太小，3层已经能完全拟合

qk图解释

1. key[10] = 1000.0
2. 每一行数据（像素）表示一个新的token，和前面所有token的关系

在样本的中间插入固定的token

1. 使用stride的方法，在每个token的中间插入一个固定的无用的token
2. 插入的token用或者不用于计算loss，对精度都没有提升
3. 使用tree的数据集，在token中间插入一些tree node，对精度都没有提升

非线性Dot

1. A = B C 变成 A = B (C+D) 等价于 A = BC + BD
2. 增加了参数，会提升精度