本研究提出MAGNET方法，旨在增强解码器的双向建模能力。通过自监督训练和结合双向与因果注意力，MAGNET提升了生成文本和填补缺失文本的能力。

本研究发现，基于因果变换的语言模型（如GPT-3）在没有显式位置编码的情况下仍然具有竞争力。实验结果显示，这种模型通过网络获取隐含的绝对位置概念，从而弥补了缺失的信息。因果注意力使模型能够推断每个令牌可以关注的前任数，从而近似其绝对位置。因此，因果语言模型除了显式的定位机制外，还可以从因果掩码的影响中推导出位置意识。