在NLP中，一个常见的问题是输入序列长度不等，而mask可以帮助我们处理。虽然RNN等模型可以处理不定长的input，但是在实践中，需要对input做batchize，转换成固定大小的tensor，方便矩阵操作

举个例子： case 1: I like cats. case 2: He does not like cats. 假设默认的seq_len是5，一般会对case 1做pad处理，变成 I like cats <PAD> <PAD>

在上述例子数字编码后，开始做embedding，而pad也会有embedding向量，但pad本身没有实际意义，参与训练可能还是有害的。因此，有必要维护一个mask tensor来记录哪些是真实的value，上述例子的两个mask如下： 1 1 1 0 01 1 1 1 1后续再梯度传播中，mask起到了过滤的作用，在pytorch中，有参数可以设置：nn.Embedding(vocab_size, embed_dim,padding_idx=0)

在语言模型中，常常需要从上一个词预测下一个词，而现阶段attention是标配，比如Transformer中的self attention，如果不做mask，在decoder的时候很容易把下一个词的信息泄露了，即按上诉例子，不能在预测like这个词时已经知道like后面的词了。