LLMのコンテキストウィンドウを拡大するために、長い系列に対してアテンションをスライドさせる手法はどれか。

活性化関数を適用する前にバッチ正規化を配置する場合と、後に配置する場合の議論において、原論文（v1）が推奨した位置はどちらか。