_{🧠 图解记忆：单一架构通吃所有任务，统一比分裂更高效。}

💡 答案要点

架构演化简史：

2017: Encoder-Decoder → 机器翻译
  +-- Encoder-only (BERT,2018) → NLU称霸
  +-- Decoder-only (GPT,2018) → 文本生成
2020: GPT-3展示scaled-up Decoder-only超越BERT
2022-至今: Decoder-Only全面接管
  LLaMA→Mistral→Qwen→Gemma→Yi→全Decoder-only

五大核心原因：

1. 统一架构=统一训练：同一个模型一个prompt覆盖分类/摘要/QA/对话，只需维护一套参数
2. 自回归训练的免费并行信号：一次forward就获所有位置的监督信号，不需要MLM特殊mask或NSP第二句话任务
3. In-Context Learning天然载体：causal mask决定了单向推进模式，非常适合few-shot learning
4. 推理效率优势（流式输出）：Pre-fill并行计算KV Cache，Decode串行逐token生成速度快
5. 多模态扩展兼容性：所有模态拼成一条序列用同一decoder处理，GPT-4o/Claude/Gemini都走这条路

面试加分项： GPT-3是Decoder-only超越BERT转折点、理解多模态融合的统一性优势

面试话术：

"Decoder-Only之所以成为绝对主流，核心原因是统一——同一个模型用同一个预训练目标覆盖所有任务。加上in-context learning天然适合因果解码、流式体验好、多模态需要一个统一的序列容器，三个优势叠加导致行业加速converged到decoder-only。"

---