待验证50% 置信事实精确时间
decoder-only 架构仅使用 Transformer 解码器堆栈，通过因果注意力掩码以自回归方式逐个预测下一个 token，训练时根据前文预测后续内容。
1
来源数
50%
置信度
长期有效
时效性
2026/10/22
首次发现
来源
Carbon-X：14.8B开源模型同时处理DNA与文本
redditr/MachineLearning2026/10/22
涉及实体
相关事实
待验证大语言模型通常采用仅解码器（Decoder-only）的Transformer变体，通过因果掩码确保每个位置只能关注其之前的token78% 相似待验证Transformer 推理分为 prefill 和 decode 两个阶段：prefill 一次性并行处理整段输入提示，主要受算力限制；decode 逐个生成输出 token，主要受显存带宽限制。76% 相似待验证纯解码器架构通过因果注意力掩码确保每个 token 只能关注其之前的上下文，适合自回归文本生成任务74% 相似已验证原始Transformer由编码器（Encoder）和解码器（Decoder）构成，BERT类模型只用编码器擅长理解和分类，GPT类模型只用解码器专注文本生成74% 相似已验证Transformer的编码器负责将输入序列映射为上下文表示，适用于分类理解类任务；解码器自回归生成输出序列，适用于文本生成任务72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1085727API
curl https://kongchang.com/api/v1/knowledge/claims/1085727MCP
get_claim(id=1085727)