为什么某些模型参数量会比基础规模多出约3倍，主要多在哪里？

回答思路

1. 能够指出模型总参数量由嵌入层、注意力、前馈层等构成
2. 说明各模块参数量随隐藏层维度、层数和词表大小的变化关系
3. 能结合具体模型结构（如层数、头数、词汇量）估算参数分布
4. 提及额外组件（如偏置、归一化层、位置编码）对参数总量的影响