BERT（Bidirectional Encoder Representations from Transformers）是一种预训练的语言模型，其双向编码表现在几个方面：

  1. 输入句子被分为左右两个方向。BERT以句子中每个词作为中心词，同时考虑其左侧和右侧的上下文信息。这种双向编码方式使BERT能够综合利用句子中所有词的信息，而不仅仅是局限于左侧或右侧的上下文。

  2. BERT使用Transformer模型，该模型基于自注意力机制。自注意力机制允许模型在编码过程中同时考虑句子中所有词之间的关系。这使得BERT能够在句子中进行全局的双向编码，而不需要严格按照顺序进行处理。

  3. BERT借鉴了Transformer模型的编码器结构，通过堆叠多层的自注意力层和前馈神经网络层来获取更丰富的句子表示。这些层允许BERT从不同抽象级别对句子进行建模，同时保留了双向编码的特性。

  通过上述的双向编码方式，BERT能够更好地理解句子中的语义和上下文信息，为多个自然语言处理任务提供了强大的表示能力。