模型架构

自回归解码

Decoder-only / Autoregressive

只从左往右逐字生成、每次把新词接回输入的架构。

又称 Decoder-only 自回归

本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正

01 详细解释

今天的主流大模型几乎都是 decoder-only:训练时用「预测下一个词」,推理时一个一个往外吐,每生成一个 token 就要再跑一遍前向。

这解释了两个体感问题:为什么输出越长越慢(token 是串行的),以及为什么 KV 缓存如此关键(把历史计算结果存下来,避免每步重算)。

02 什么时候会碰到它
读模型卡、选型或看论文结构时

厂商说「用了 GQA」「换成 MoE」「支持百万上下文」时,指的都是这一层的设计。不必会推导公式,但要知道改动影响的是显存、速度还是表达能力。

03 和这几个词怎么区分
04 接着读这几篇

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活