请手写实现多头注意力机制（MHA），并说明在什么地方添加 mask 矩阵。

回答思路

1. 正确实现线性投影、多头切分、缩放点积注意力及输出合并
2. 能说明padding mask与causal mask的添加位置和作用
3. 能说明mask在softmax之前通过加负无穷或大负数实现
4. 能说明多头注意力的维度变换与矩阵乘法
5. 能处理mask广播到批次和头维度的正确性