搜尋意圖： 如果你在找「雙向編碼器 是什麼」或「雙向編碼器 和相近概念差在哪」，先看這頁的短定義、完整說明與延伸比較。
TL;DR： 能同時處理序列的前向和後向上下文，在每個位置都能看到完整序列信息的神經網路編碼器，相比單向模型提供更豐富的上下文表示，是 BERT 等預訓練模型的核心。
實用情境： 適合用在閱讀 AI 文章、產品文件或和同事討論時，先用一頁快速對齊概念。
下一步： 先讀完定義，再往下看延伸比較與對應工具，把概念轉成實際應用。
能同時處理序列的前向和後向上下文，在每個位置都能看到完整序列信息的神經網路編碼器，相比單向模型提供更豐富的上下文表示，是 BERT 等預訓練模型的核心。
核心概念
雙向編碼器（Bidirectional Encoder）的核心優勢在於其「全視」特性：序列中的每個位置都能直接存取序列中的所有其他位置的信息，無論前後。這與傳統循環神經網路（RNN）的單向性形成鮮明對比。
在自注意力框架中，實現雙向性非常直接：
- 單向（Causal）：自注意力遮蔽掩蓋當前位置之後的所有位置，使當前只能關注過去
- 雙向：不施加任何遮蔽，當前位置可同時關注前後所有位置
數學上，雙向注意力的遮蔽矩陣（mask）全為 0（無遮蔽），而單向的遮蔽矩陣在下三角為 0，上三角為負無窮。
運作原理
雙向編碼器的編碼過程分為以下階段：
輸入表示層：將輸入序列（如詞或 subword tokens）映射到嵌入空間，加上位置編碼和段落編碼（如區分兩個句子）。
多層自注意力堆疊：通過多層（通常 12-24 層）的自注意力層，每層都是完全雙向的，沒有因果遮蔽。每層內部使用多頭注意力（8-16 頭），捕捉多個依賴維度。
逐層信息融合：低層（接近輸入）自注意力捕捉局部和語法特徵，中層捕捉組合特徵，高層（接近輸出）捕捉語義和上下文特徵。
全序列上下文編碼：通過多層堆疊，每個位置的表示逐漸吸收整個序列的信息。第 L 層位置 i 的隱藏狀態實際上包含了整個序列的信息（通過前面 L-1 層的多步傳播）。
輸出編碼表示：最後一層的隱藏狀態就是雙向編碼結果。每個位置都有一個編碼向量，同時包含前向和後向上下文。
實際應用
雙向編碼器在多個自然語言理解任務中表現優異：
文本分類：BERT 等雙向編碼器能為整篇文檔生成完整的上下文表示，顯著提升分類準確率。相比單向模型，同一詞的表示會根據完整上下文變化。
命名實體識別（NER）：序列標籤任務需要充分的上下文。「bank」在「bank robbery」（搶銀行）和「river bank」（河岸）中含義不同，雙向編碼器能準確區分。
詞性標註：標記詞性通常需要前後文。「lead」在「Lead the team」（lead）和「Heavy lead」（lead）中詞性不同，雙向編碼無法遗漏任何上下文線索。
語義相似度計算：孿生網路（Siamese Networks）用雙向編碼器對兩個句子分別編碼，再計算相似度，用於相似問題檢測、重複項去重。
問答系統：SQuAD 等閱讀理解任務中，雙向編碼器編碼問題和段落，通過注意力機制定位答案起點和終點。
知識圖譜補全：編碼實體和關係，利用雙向上下文推斷缺失的關係。
信息檢索：雙向編碼器生成的密集表示用於語義搜索，相比 BM25 等詞頻方法更準確。
常見誤區
誤以為雙向編碼器不能生成文本：雙向編碼器確實更適合理解任務，但通過特殊設計（如掩蓋開啟漸進式解碼）也能做文本生成。主要是生成質量不如專門的單向生成模型。
混淆「雙向」與「完全上下文」：雙向意味著信息能雙向流動，但多層堆疊才能實現「完全上下文」（每位置真正知道整個序列）。單層雙向注意力只有一層近鄰的上下文。
編碼成本的忽視：雙向編碼整個序列的計算成本為 O(n²)，編碼時間較長。推理環節如果需要逐位置增量編碼，無法充分利用雙向性，反而成本更高。
預訓練和微調的差異：BERT 在預訓練時使用掩蔽語言模型（MLM）目標，利用完整序列上下文。微調時如果輸入不完整（如機器翻譯需要逐步生成），雙向性的優勢減弱。
與相關技術的比較
雙向編碼器 vs 單向解碼器：BERT（雙向）在文本理解任務上優於 GPT（單向），但 GPT 在文本生成上優於 BERT。雙向獲得完整上下文，單向允許自迴歸生成。選擇應基於任務性質。
雙向編碼器 vs 雙向 LSTM：都支持雙向信息流，但實現不同。BiLSTM 用前向和後向兩個 LSTM 分別處理序列，再連接結果。Transformer 雙向編碼器通過自注意力一次性進行，更高效。
完全雙向 vs 限制雙向：完全雙向意味著無任何因果遮蔽。某些模型（如 XLNet）採用排列語言建模（Permutation Language Modeling），在訓練時隨機改變位置順序，實現「有限度的雙向性」以保留某些因果結構。
雙向編碼 vs 編碼-解碼架構：BERT 是純編碼器，適合理解。T5 等編碼-解碼模型在編碼側雙向，解碼側單向，適合生成式任務。ELECTRA 等混合模型在理解和生成間尋求平衡。
常見問題
雙向編碼器為什麼不能用於文本生成？
文本生成是自迴歸的過程：生成第一個詞、再根據第一個詞生成第二個、依此類推。在推理時，未來的詞還不存在，無法作為上下文。雙向編碼器在訓練時能看到完整序列，但推理時無法利用未來信息。相比之下，單向解碼器（如 GPT）的因果遮蔽設計完全適配自迴歸生成。理論上雙向編碼器也能生成（通過掩蔽開啟、迭代填補），但效率低，生成質量不如單向模型。
BERT 的掩蔽語言模型目標為何使用雙向編碼器？
掩蔽語言模型（MLM）的訓練目標是預測序列中被隨機掩蔽的詞。若使用單向編碼器（如 GPT 風格），掩蔽詞右側的信息無法看到，損失大量有用上下文。雙向編碼器能看到掩蔽詞的完整上下文（前後均可見），使預測任務更有意義，模型能學習到更深層的語義理解。這就是為什麼 BERT（雙向+MLM）的文本理解性能優於 GPT（單向+因果語言模型）。
雙向編碼器的推理效率為何較低？
在文本理解任務（如文本分類）中，雙向編碼器一次性編碼整個序列，效率很高。但在序列標籤（如 NER）或增量預測任務中，如果需要逐位置更新編碼，每次都必須重新計算整個序列的自注意力（無法複用前面的計算），成本為 O(n²) × 序列數。相比之下，單向 LSTM 的循環結構能高效地增量更新（O(n)）。在生成任務中，單向模型能快速地逐詞生成（每步 O(1)），而雙向編碼器無法利用自迴歸的增量特性。