同一段文字，给每个位置一个后续目标

我们先人为规定一组容易看清的文字单位，真实模型会用自己的tokenizer，未必这样切。

现在把整段记录完整排出来，不只挑一个漂亮的位置。输入行最前面放开始标记，目标行向前错开一格：看到A，要预测后面的“用时”；看到这一次“用时”，要预测十二；读到B后面的“用时”，要预测八。最后还要学习什么时候结束。

请一直盯住第二个“用时”这一列。上面是当前输入，下面的八是这一列要预测的标签。虽然训练数据整段都已经存在，我们不能让这个位置直接读取标签八，再宣布它预测得很准。因果mask规定，这一列只能利用它自己和此前的位置。资料是否已经收集到，与当前计算被允许看见什么，是两件事。

现在让其他位置也一起给出预测。每个位置都可以产生一个误差，这些误差共同训练同一组参数。这里并不是十七个位置各有一个独立模型。由于正确输入序列在训练时已知，同一层的多个位置可以一起计算；每一行仍然有自己的可见范围。我们在第五讲见过的“训练并行、生成逐步”，就在这里继续成立。训练目标已经排好了，下一步要问：预测得好不好，怎样变成能更新参数的数？