GPT（autoregressive）模型是一个自回归模型，利用left-to-right语言模型，由于不是双向attention 机制，因此不能再NLU任务中，获取充分的上下文信息，BERT类似自编码（autoencoding），通过MLm任务学习，但是不能直接应用到text  generation；encoder-deconder模型采用再encoder部分双向attention，在decoder部分单向attention，在摘要提取回应生成 DeBERTa 

         本模型提出的是自回归空白填充（autoregressive），从题目上看，没什么创新，具体的，随机掩盖连续得tokens与自编码思想相同，顺序得重构对应得掩盖连续spans，遵循自回归预训练，如果单独，从这几句话来讲，说实话和 DeBERTa完全一样，唯一不同的是Deberat是在encoder-decoder decoder部分生成目标，但是GLM是在原始位置处生成，如图1