GPT-2 使用可学习的位置嵌入加到 token 嵌入上，若缓存中 K/V 排列顺序与查询向量所假设的位置错位，序列长度大于 1 时会出现查询位置与缓存位置错配，改变因果掩码下的可见集合，从而改变 softmax 权重和输出。