Transformer架构彻底改变了自然语言处理的范式。其摒弃了RNN的序列递归结构，通过自注意力机制实现全局语义建模。研究者对比实验发现，Transformer在长距离依赖捕捉和并行计算效率上显著优于传统模型。以下关于Transformer核心机制的描述中，存在技术性错误的是：
A. 位置编码为输入序列注入顺序信息，弥补了非递归结构的顺序感知缺陷
B. 多头注意力层允许模型同时关注不同位置的语义关联强度
C. 解码器端的掩码注意力机制确保训练时仅能访问历史输出词
D. 前馈神经网络子层负责对注意力加权后的特征进行非线性变换
