[论文笔记] PAI-Megatron 源码解读之Mistral的滑动窗口sliding window

        这段代码是 _make_causal_mask 函数中处理滑动窗口局部注意力的部分。这里的目的是创建一个额外的掩码，以便在自注意力机制中只考虑每个位置附近的一定数量的位置，而不是所有之前的位置。这通常用于减少计算复杂性和提高长序列处理的效率。

        代码分析如下：

1. diagonal = past_key_values_length - sliding_window + 1: 这里计算的是上三角矩阵（triu）的开始对角线的索引。对于每个位置 i，这个滑动窗口限制它只能看到从位置 i - sliding_window + 1 到位置 i 的信息。如果考虑了历史键值对的长度，那么窗口将从 i + past_key_values_length - sliding_window + 1 开始。

2. torch.ones_like(mask, dtype=torch.int): 创建一个和 mask 形状相同的全是 1 的张量。这将作为基础矩阵来创建上三角掩码。

3. torch.triu(...): 创建一个上三角矩阵，其中 diagonal 参数指定了对角线的索引。对角线以上的元素全部为1，对角线以下（含对角线自身）的元素为0。这意味着对于每个位置 i，它只能关注到 i - sliding_window + 1 之后的位置。

4. context_mask = 1 - torch.triu(...)