LLM - 理解 主流大模型 LLM 使用 Decoder Only 架构 (8点)
欢迎关注我的CSDN：https://spike.blog.csdn.net/
本文地址：https://spike.blog.csdn.net/article/details/140929565
免责声明：本文来源于个人知识与公开资料，仅用于学术交流，欢迎讨论，不支持转载。
目前，主流的 LLM 都是 Decoder Only 架构，T5 的最大模型只有11B，GLM-3 以及 GLM-4 都是 Decoder-Only 的架构。
Decoder Only 模式泛化性更好的理论原因：
- Decoder Only 的训练难度更大，Decoder Only 架构 + Next Token Prediction 预训练，每个位置接触的信息更少，预测下一个 Token 的难度更高，模型足够大，数据足够多时，Decoder Only 模型学习的通用表征上限更高。
- Decoder Only 具有隐式的位置编码能力，Causal Attention 打破 Transformer 的位置不变性，而带有双向 Attention 的模型，如果不带有位置编码，双向 Attention 的部分 Token 对换位置也不会改变表示，对于语序的区分能力较弱。
- Decoder Only 的上下文学习具有更好的