我也在做差不多的东西
BERT提取的特征是矩阵形式， 768 * 自己设的句子长度（包括CLS和SEP）， 如果用transformer解码就用整个矩阵做decoder的输入（K和V），如果用GRU解码就用CLS对应的向量做GRU的hidden state
有好的想法可以交流一下
