请解释Transformer架构，并说明为什么注意力机制能够有效工作。

回答思路

1. 清晰描述Transformer整体结构（编码器、解码器、多头注意力、前馈网络）
2. 解释注意力机制的计算过程（Q、K、V、缩放点积）及其作用
3. 说明注意力为何有效，如并行处理长距离依赖、可解释性、动态加权
4. 比较注意力与RNN/CNN在捕捉全局依赖上的优劣