Attention模块里的mask应该加在哪里，怎么加，mask是什么形式，如果加在softmax之前，值应该怎么设置？

回答思路

1. 准确说明mask加在softmax之前
2. 描述mask矩阵的形状与用途（如长度掩码或未来掩码）
3. 说明mask值设为负无穷大（或极小负数）的原因
4. 能解释对padding位置使用0而非负无穷的原因