当前主流大语言模型如ChatGPT、GPT系列、BERT等，核心架构均为Transformer，这是一种以自注意力机制为核心的神经网络结构，在处理文本、代码等序列类数据上具备显著优势，能够精准捕捉序列内容中的长距离依赖关系，可高效完成自然语言理解、生成以及代码生成等复杂任务。与之不同，知识图谱主要用于知识的表示与推理，数据流图用于描述程序运行中的数据流动路径，基于规则的系统则是传统的逻辑规则驱动的处理方式，三者均不属于大语言模型的核心基础架构，也难以支撑大模型的复杂智能化能力。