已验证80% 置信事实时间未知

GLM采用了独特的自回归填空预训练范式，与GPT的纯自回归和BERT的纯掩码语言模型都有所不同

10

来源数

80%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

智谱GLM-4.5免费使用教程：全栈开发+PPT生成+Claude Code实战

bilibili削支牙签

涉及实体

GLMconcept GPTconcept BERTconcept

相关事实

待验证GLM系列来自清华大学KEG实验室与智谱AI，采用不同于GPT自回归的自回归填空预训练目标81% 相似待验证GLM基于自回归空白填充预训练，融合了BERT的双向理解能力与GPT的生成能力，通过二维位置编码区分原始序列位置与空白内部位置77% 相似已验证BERT的双向编码能力来源于其预训练阶段采用的掩码语言模型（MLM）目标，与GPT系列的单向自回归预训练形成对比77% 相似待验证GPT 系列、Llama 等模型的核心能力绝大部分来自预训练而非后续微调阶段75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/22146

API

curl https://kongchang.com/api/v1/knowledge/claims/22146

MCP

get_claim(id=22146)