Single-head self-attention с Q/K/V projections

Реализуйте single-head self-attention для входной матрицы токенов X.

Даны матрицы весов W_q, W_k, W_v. Нужно посчитать:

Q = X @ W_q
K = X @ W_k
V = X @ W_v
Attention = softmax(Q @ K.T / sqrt(d_k)) @ V

Softmax применяется построчно. Для численной стабильности вычитайте максимум строки перед exp.

Сигнатура

def single_head_self_attention(
    X: list[list[float]],
    W_q: list[list[float]],
    W_k: list[list[float]],
    W_v: list[list[float]],
) -> list[list[float]]:

Верните результат, округленный до 6 знаков после запятой.