很小一颗星

好的，我再去研究研究

好吧，其实并不是过拟合的问题，而是训练和推理时模型的超参数不匹配导致的。训练时采用的MultiheadAttention的num_heads为4，而推理时采用的num_heads却是2，从而导致的推理结果差。。。