CCF LMCC · CCF LMCC 青少年组第一轮认证 例题 第 6 题

目前主流的生成式大语言模型（如 GPT 系列）的核心架构通常基于：

这题考的是大模型架构，GPT 系列这种生成式模型只用解码器，别被‘编码器’‘编码器 - 解码器’这些词绕晕，直接抓住‘生成’这个动作对应的结构。

最容易把‘生成式’和‘判别式’搞反，以为能理解全文的就得用编码器，其实 GPT 是自回归生成，只靠解码器就够了。还有人看到‘Transformer 有自注意力’就以为两边都要，其实编码器和解码器在 Transformer 里是两套不同的模块，生成式模型干脆不用编码器那一套。

这道题考查的是生成式大语言模型的核心架构，属于人工智能基础中的模型结构概念。命题人喜欢在这种单选题里埋‘概念陷阱’：选项 A 编码器模型、B 编码器 - 解码器模型、D 卷积神经网络，都是真实存在的架构，但跟 GPT 系列这种生成式模型不搭界；只有 C 解码器模型才是正解。考频上看，Transformer 相关概念这几年在 CSP-J/S 和 GESP 里出现频率很高，但‘解码器模型’作为单独考点的真题不多，更多是混在‘模型类型辨析’里考，所以这道题属于高频考点下的细分小题。拿到题先想：题目问的是‘生成式’模型，生成意味着从左到右一个字一个字预测下一个，这种自回归过程天然只需要解码器，编码器是用来做双向理解的，对纯生成任务多余。再想 Transformer 的 Query、Key、Value 都来自同一输入，解码器里还加了因果掩码防止提前看到未来词，这进一步确认了‘只用解码器’的设计逻辑。计算上其实不用动笔，就是记概念：GPT 系列 = 纯解码器架构。避坑指南要特别强调两点：一是别把‘参数量大=效果好’这种泛化经验当架构依据，二是别被‘编码器 - 解码器’这个经典命名误导，它只适用于机器翻译等判别式任务。历年趋势看，单纯考‘解码器模型’的题还在增加，未来可能会结合 LoRA 微调或提示词工程一起出复合题，但目前数据还不足以支撑更具体的预测。因此，答案稳稳选 C。