RoPE超长序列"角度发散→注意力崩溃"用"时钟类比+精确数值计算"把这个问题讲透，让你一眼看懂为什么训练见过4k，遇到32k就会彻底乱套。一、先给一个10秒就能懂的类比把RoPE想象成一个12小时制的时钟：模型训练时只见过0点到4点的时间它学会了：“时针在1附近就是1点左右，在2附近就是2点左右”当突然出现下午5点（17点），时针指向5，模型从来没见过这个位置它会本能地认为：“这是早上5点”，而完全不知道已经过了12个小时更糟的是，下午1点（13点）的时针和早上1点完全一样，模型会把它们当成同一个时间RoPE的"角度发散"本质上就是这个问题：三角函数是周期函数，大角度会"绕回"到模型见过的小角度范围，但对应的实际位置已经天差地别。二、极简数值示例（d=2，训练max_len=4）我们用最简单的2维RoPE来演示完整过程，所有数值都精确计算，你可以自己验证。前提条件嵌入维度d=2（只有1个二维子空间）训练时最大序列长度=4（模型只见过位置0、1、2、3、4）RoPE角度公式：θ(pos) =