请设计一个基于Transformer的自回归模型，用前三个token（记作abc）预测第四个token。请写出伪代码，并说明特征维度、注意力头数等关键超参数如何选择。

回答思路

1. 能写出包含输入嵌入、位置编码、多层自注意力与前馈网络的完整伪代码
2. 能合理说明特征维度、注意力头数、层数等参数的选择依据
3. 能正确实现自回归的掩码注意力或逐步生成逻辑
4. 能解释输出概率分布的计算方式与损失函数