从零实现 nanoGPT（七）：融合 QKV，让模型实现向原版靠拢

本篇把自建字符级 GPT 的注意力重组为融合 QKV 投影，改用 PyTorch 的 scaled_dot_product_attention，并加入 Token Embedding 与输出层权重共享、统一参数初始化和残差投影缩放。改造不改变 Transformer 的数学结构，但参数组织方式变化导致旧检查点无法直接加载，需在新目录重新训练，并用因果性测试验证模型仍不读取未来位置信息。