Multi-Headは全部必要か？ — Attentionヘッドの冗長性・重要度・プルーニング 2026年7月3日 Transformer Multi-Head Attention の教科書的な説明はこうです——「複数の... Multi-Head AttentionTransformerプルーニングヘッド重要度モデル圧縮深層学習