是的，BERT可以使用超过2个句子进行词嵌入。BERT的输入是一个包含多个句子的句子对，每个句子对由两个句子组成。下面是使用Hugging Face库来实现BERT多句子输入的示例代码：

from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("bert-base-uncased")
model = AutoModel.from_pretrained("bert-base-uncased")

# 输入句子
sentences = [
    "I love Hugging Face",
    "BERT is awesome",
    "Transformers library is great"
]

# 将句子编码为输入张量
encoded_input = tokenizer(sentences, padding=True, truncation=True, return_tensors="pt")

# 使用BERT模型获取词嵌入
outputs = model(**encoded_input)

# 获取词嵌入张量
embeddings = outputs.last_hidden_state

print(embeddings.shape)  # 输出张量的形状

在上述代码中，我们使用了Hugging Face的transformers库，通过AutoTokenizer和AutoModel加载了预训练的BERT模型和分词器。我们定义了一个包含多个句子的列表，然后使用分词器将句子编码为输入张量。最后，我们使用BERT模型获取词嵌入，并输出词嵌入张量的形状。

请注意，BERT模型有最大输入长度的限制，通常为512个标记。如果输入的句子超过了这个长度，你需要进行适当的截断或缩短处理。