mlpowered 补充论证：残差态梯度回传使远期预测信息得以编码

mlpowered 补充说明，训练中的下一 token 预测误差梯度会经由注意力回传至所有先前残差态，使这些状态能够为许多 token 之后的预测而更新。他援引多篇论文作为实证支持，进一步反驳“最后 token 残差态只为下一 token 优化”的说法。