分离状态存储与词元预测

新Transformer以两条计算流分别承担内部状态维护和下一词元预测，并报告更高效率。

推荐理由：标准Transformer让同一残差流同时保存未来状态并服务当前预测，可能产生目标干扰；分流架构若在多尺度预训练中持续提高数据与算力效率，会触及骨干设计本身。