解释一下 attention score 的计算公式，并说明为什么要除以根号 d？

回答思路

1. 写出 softmax(QK^T/sqrt(d_k))V 公式并解释各符号含义
2. 说明除以 sqrt(d_k) 是为了抵消点积随维度增长导致的方差膨胀
3. 解释方差过大会使 softmax 梯度趋近于零，影响训练稳定性
4. 能联系到其他归一化因子设计或实践中的替代方案