因果语言模型、自回归语言模型、仅解码器语言模型都是同一类模型

flyfish

因果语言模型（causal Language Models）
自回归语言模型（autoregressive language models）
仅解码器语言模型（decoder-only language models）

这三个词虽然说的是同一类模型，但为啥会有三个名字？其实是因为研究者从不同角度给它起的——有的从数学逻辑，有的从生成方式，有的从模型结构。

因果语言模型

早年间（2010年以前），研究语言模型的人就发现：生成句子时，后面的词只能由前面的词决定（比如“我吃饭”里，“饭”只能跟着“吃”后面）。这就像“因果关系”——前面是“因”，后面是“果”，没法反过来。但那时候没明确叫“因果”，只是默默按这个逻辑做模型。

2017年，有篇很重要的论文（《Attention Is All You Need》）提出了“Transformer”这个模型框架。里面有个关键技术：给模型加了个“挡板”（专业叫“因果掩码”），让模型算词的时候，只能看到前面的词，看不到后面的。比如算“饭”的时候，只能看到“我”和“吃”，后面的词哪怕已经写好了，也故意挡着不让看。这一下就把“前面决定后面”这个模糊的逻辑，变成了模型里实实在在的规则。

后来GPT系列火了，大家需要一个词来形容这种“只能看前面”的模型。2019年，OpenAI在论文里第一次明确用了“因果语言模型”这个说法，意思就是“模型学的是‘根据前面的词猜下一个词’”。这名字就慢慢传开了。

主要是研究理论的时候用。比如讨论“模型是怎么算概率的”：有的模型能看前后所有词（比如BERT），算的是“某个词在整句话里的概率”；而因果模型只能看前面，算的是“某个词在前面词之后的概率”。又比如解释“为啥模型训练时能一批处理好多词，生成时却得一个一个来”——因为“因果”规则要求必须按顺序，前面的没确定，后面的就没法算。

自回归语言模型

为啥叫“自回归”？因为“自己生成的词，自己接着往下说”
这个词的老家在统计学，几十年前就有了。比如预测明天的气温，不用看湿度、风力，就用过去7天的气温来猜——这就叫“自回归”：“自”是“自己的过去”，“回归”是“用过去猜未来”。
“自” 与 “回归” 的数学溯源

“自”（Auto-）：自我引用，用自身历史预测未来
希腊语前缀 “auto-”，意为 “自我”（self）。在自回归模型中，“自” 特指用变量自身的历史值作为预测依据。
预测明天的气温，不依赖外部因素（如湿度、气压），仅根据过去 7 天的气温值。
“回归”（Regression）：向均值靠拢的统计关系
19 世纪英国统计学家高尔顿（Francis Galton）提出 “回归均值”（regression toward the mean），指身高异常的父母，子女身高更可能接近平均水平。
在现代统计学中，“回归” 泛指通过已知变量预测目标变量的函数关系（如线性回归 y=wx+b）。

后来这个思路被用到了语言模型上。2010年左右，RNN这类模型火了，它们生成句子的逻辑就是“接龙”：先用“我”猜“吃”，再用“我吃”猜“饭”，再用“我吃饭”猜“了”……每一步都用自己刚生成的词当素材，接着往下说。这种“自己生成的内容再当输入”的方式，就被叫做“自回归生成”。

早期的生成模型（比如翻译模型）基本都这么干。直到后来出现了“非自回归模型”（比如一次性生成一整句话），大家才更明确地用“自回归”来称呼这种“接龙式”的生成方式。不过要注意：早期的自回归模型可能偶尔会“偷看”后面的词（没加那个“挡板”），直到Transformer加了“因果掩码”，才让“自回归”和“只能看前面”严格绑在了一起。

主要是说生成算法的时候用。比如讨论“怎么让模型生成的句子更靠谱”：可以一次保留几个候选（beam search），或者随机选一个（采样）——这些方法都只适合自回归模型，因为它们都是“一个一个词生成”的。又比如比较模型训练效率：自回归模型得算每个词的“猜对概率”，而非自回归模型算的是“整句话对不对”，这时候就会用“自回归”来区分。

仅解码器语言模型

Transformer框架，它原本有两个核心零件：

编码器：能同时看一句话的前后所有词（比如读“我喜欢苹果”，“苹果”能看到“我”和“喜欢”），适合理解句子意思；
解码器：只能看前面的词（比如读“我喜欢苹果”，“苹果”只能看到“我”和“喜欢”），原本是配合编码器用的（比如翻译时，编码器先理解原文，解码器再生成译文）。

2018年，OpenAI做了个大胆尝试：他们搞了个叫GPT-1的模型，直接把编码器扔了，只留了解码器。结果发现，就靠这一半零件，不仅能生成句子，还能理解意思，而且参数更少、更高效。

后来模型越来越多：有只用编码器的（比如BERT），有编码器解码器都用的（比如T5），还有像GPT-1这样只留解码器的。为了区分这三种，大家就给GPT这类模型起了个名：“仅解码器语言模型”。

选模型、聊工程实现的时候用。比如：
分类模型时会说：“BERT是编码器模型，T5是编码器-解码器模型，GPT是仅解码器模型”；
分析性能时会说：“仅解码器模型参数更集中（全堆在解码器上），处理长文本更厉害（不会被后面的词干扰），训练时随便给一堆文章就行（不用成对的原文和译文）”；
部署模型时会说：“聊天机器人用仅解码器模型更快，因为不用先让编码器处理输入，直接就能从一句话开始生成”。

这三个词并存是因为研究者关心的点不一样：
“因果语言模型”是从数学逻辑角度说的：强调“前面决定后面”的规则；
“自回归语言模型”是从生成方式角度说的：强调“接龙式生成”的过程；
“仅解码器语言模型”是从模型结构角度说的：强调“只留了解码器”的零件。