为什么Decoder Only是目前大模型的主流，有什么考量和优势？

回答思路

1. 说明Decoder Only架构的自回归生成特性及其与预训练任务的一致性
2. 分析双向注意力与因果注意力的区别及对生成任务的影响
3. 讨论训练效率、推理速度和显存占用等工程考量
4. 对比Encoder-Decoder架构的适用场景，体现架构选型的权衡思维