不能使用最后一層的Encoder Block的MLP Block的特征矩陣做A反向傳播求梯度矩陣A'，因為其每一個token（即特征矩陣的每一行）沒有和其他176個token做信息交換。所以必須選取最后一層的Encoder Block的做自注意力前的輸入。