1，2，3，4是一句话的四个词，并打乱了顺序，
以xlnet为例，
图中，
上图和下图的区别是下图扣去邪线，
上图表示，1可以看到1，2可以看到2，3可以看到3，4可以看到4，
下图表示，1不能看到1，2不能看到2，3不能看到3，4不能看到4，
把这个mask矩阵左下（右上？）角全部置0，则是单向transformer，
把整个mask矩阵全部置1，则是双向transformer，
回到上图，
矩阵第一行，表示预测1的时候可以看到3->2->4，
矩阵第二行，表示预测2的时候可以看到3，
矩阵第三行，表示预测3的时候都看不到，
矩阵第四行，表示预测4的时候可以看到3->2
为什么如此将矩阵mask能实现看到看不到的效果？
因为这个attention矩阵是句子A和句子B造的attention矩阵，用 attetion矩阵 再去 矩阵乘 句子A，则是个完整的attention效果，
也就是attention矩阵一行里如果mask掉一部分词，就等于缺少那部分词的信息。（目前理解）
