如何使用 PyTorch 实现 Grouped Query Attention（GQA）？

回答思路

1. 理解 GQA 与 MHA/MQA 的区别并说明分组策略
2. 正确实现查询分组与键值共享的线性投影
3. 处理维度变换（reshape、transpose）并保持 tensor 对齐
4. 给出 mask、缩放因子和因果注意力的处理细节