Transformer 的 Encoder 可以去掉 FFN（前馈网络）吗？为什么？是否可行？

回答思路

1. 说明 FFN 在 Transformer 中的作用（特征变换、非线性、容量）
2. 分析去掉 FFN 后模型表达能力、训练稳定性和性能的影响
3. 讨论部分变体（如 MLP-Mixer、轻量设计）中的替代或削减方案
4. 给出明确结论并说明权衡与实验依据