Sutskever 等人（2014）提出了序列到序列框架：编码器网络把输入序列压缩成一种表示，解码器网络再据此生成输出序列。这种编码器–解码器模式奠定了神经机器翻译的基础，也是现代生成式模型在概念上的鼻祖。
注意力机制以及后来的 Transformer，正是为了突破“把整个输入压缩进一个固定向量”这一瓶颈而发展起来的。
LLM 架构基础概念
2026 年更新
序列到序列（Sequence-to-Sequence，Seq2Seq）
定义
一种把一个序列映射为另一个序列的编码器–解码器神经网络架构——正是这种设计让神经机器翻译，以及后来的生成式聊天成为可能。
参考文献
本定义所依据的一手文献、同行评审文献和存档资料。
Sequence to Sequence Learning with Neural Networks
词典与百科条目
- Wikipedia — Seq2seq
- Google for Developers — Sequence-to-sequence models
引用本条目
MultipleChat.《序列到序列（Seq2Seq）》. MultipleChat AI 与 LLM 术语表，2026. https://multiple.chat/ai-glossary/seq2seq