一、自回归模型
自回归模型（Autoregressive Model）
是一种“基于已经生成的内容，逐步预测下一个 token”的模型。
GPT、ChatGPT、LLM 聊天模型，全都是自回归模型
回归（Regression）
用已知信息，预测一个未知值
自回归（Auto + Regression）
用“自己已经生成的结果”，继续预测后面的结果
也就是说：
- 模型的输入
- 会不断包含模型刚刚输出的内容
1. GPT 的工作方式
GPT 的本质是不断做这件事：
给定前面的 token → 预测下一个 token → 把这个 token 接上 → 再预测下一个 循环到结束假设句子是： “我 喜欢 吃 苹果”
自回归生成过程是这样的：
1️⃣ 输入：
我预测：
喜欢2️⃣ 输入：
我 喜欢预测：
吃3️⃣ 输入：
我 喜欢 吃预测：
苹果4️⃣ 输入：
我 喜欢 吃 苹果预测：
<结束>每一步都依赖之前生成的内容
2. 为什么“流式输出”只能用自回归模型？
因为：
- 模型本身就是一步一步生成
- 每一步都能立刻返回一个 token
所以：
token 1 → token 2 → token 3 → ...前端才能：
- 边收边渲染
- 像 ChatGPT 一样“打字”
二、非自回归模型
Google 在 2018 年提出的非自回归模型 BERT，是一个基于 Transformer Encoder 的预训练语言模型。它的核心目标是理解文本，而不是生成文本。
1. 自回归 vs 非自回归
| 对比点 | 自回归模型（GPT） | 非自回归模型（BERT） |
|---|---|---|
| 是否逐 token 生成 | ✅ 是 | ❌ 否 |
| 是否依赖已生成内容 | ✅ 是 | ❌ 否 |
| 是否能流式输出 | ✅ | ❌ |
| 是否适合聊天 | ✅ | ❌ |
| 主要能力 | 生成 | 理解 |
**模型在预测时，一次性“看完整个句子”，而不是一个字一个字
2.BERT 的核心结构：Transformer Encoder
Transformer Encoder是 Google 在 2017 年发表的经典论文《Attention Is All You Need》中提出的 Transformer 模型的一半（前半部分）。
简单来说，它的作用是“理解”输入序列。它接收一串文本（Token 序列），通过复杂的注意力机制，输出这串文本中每个词的上下文相关的向量表示。
比如 “我吃了一个苹果”和“苹果发布了新手机”中，两个“苹果”对应的输出向量是完全不同的（前者包含水果的语义，后者包含科技公司的语义）
BERT 只使用了 Transformer 的一半结构：
Transformer ├── Encoder ✅（BERT 使用） └── Decoder ❌（BERT 不用）Encoder 的特点：
- 可以同时看到左右上下文
- 使用双向 Attention
- 更适合做「理解型任务」
📌 GPT 用的是Decoder（单向）
📌 BERT 用的是Encoder（双向）
3. BERT 为什么是「双向理解」？
来看一个经典例子：
“我昨天去银行存钱”
这里的“银行”是：
- 金融机构？
- 河岸？
GPT（自回归）的问题
GPT 在生成到「银行」时：
- 还没看到后面的“存钱”
- 只能根据左侧上下文猜
BERT 在理解时：
- 同时看到「我 / 昨天 / 去 / 银行 / 存钱」
- 利用前后语义，准确判断
📌 这就是Bidirectional（双向）的意义
4. BERT 是如何训练的？
1. Masked Language Model（MLM）
BERT 的核心训练方式：
原句：我 喜欢 吃 苹果 处理：我 喜欢 [MASK] 苹果 目标：预测 [MASK] 是 “吃”特点：
- 不是预测下一个词
- 而是预测“被遮住的词”
2. Next Sentence Prediction（NSP）
让模型判断：
句子 B 是否是句子 A 的下一句？
用于提升：
- 句间关系理解
- 问答 / 推理能力
5. 为什么 BERT 不能用来聊天？
BERT 不是用来“生成文本”的，而是用来“理解文本”的
具体原因：
1️⃣非自回归
- 无法逐 token 生成
- 没有“下一步预测”机制
2️⃣没有 Decoder
- 没有生成头
- 无法自然续写文本
3️⃣训练目标不同
- BERT 训练的是「填空」
- GPT 训练的是「续写」
| 模型 | 定位 |
|---|---|
| BERT | 语言理解引擎 |
| GPT | 语言生成引擎 |
)
