如何看待目前大语言模型都是decoder-only结构？

回答思路

1. 说明encoder-decoder与decoder-only的架构差异
2. 解释decoder-only在预训练目标、扩展性和部署上的优势
3. 讨论causal attention对生成任务的有效性及长上下文处理影响
4. 对比历史尝试如T5、BART与当前主流
5. 能结合缩放定律和自回归目标分析原因