GPT系列模型的核心技术是（）A. 贝叶斯网络B. Transformer架构C. 卷积神经网络D. 生成式对抗网络

本题考查GPT系列模型的核心技术。关键在于理解各选项对应的技术特点及应用场景：

• 贝叶斯网络主要用于概率推理，与生成式语言模型关联较小；
• Transformer架构通过自注意力机制高效处理序列数据，是GPT模型的核心；
• 卷积神经网络擅长图像处理，与语言生成关联度低；
• 生成式对抗网络通过对抗训练生成数据，但GPT采用自回归生成方式。

破题关键：明确GPT模型的全称（Generative Pre-trained Transformer）中“Transformer”即为其核心技术。

选项分析

A. 贝叶斯网络

• 基于概率图模型，用于不确定性推理（如分类、诊断），与语言生成模型的核心需求（长距离依赖、高效并行计算）不匹配。

B. Transformer架构

• 自注意力机制使模型能捕捉长距离语义关系，并行计算能力强，适合处理长文本序列。
• GPT系列（如GPT-3）完全基于Transformer，通过预训练实现强大的语言生成能力。

C. 卷积神经网络

• 主要用于图像特征提取，对一维序列（如文本）的全局依赖建模能力有限，未被GPT采用。

D. 生成式对抗网络

• 通过生成器与判别器对抗训练，但GPT采用自回归生成方式，核心架构为Transformer而非GAN。