ビームサーチ
ビーム検索は、1 つに貪欲にコミットするのではなく、各ステップで最も有望な部分シーケンスをいくつか保持するデコード戦略です。
概要
It matters because it produces higher-quality, more coherent text for tasks like translation and summarization than picking the single best word every time.
ディープダイブ
言語モデルはテキストを生成するときに、次のトークンの確率を予測し、それを繰り返します。貪欲なデコードでは常に確率が最も高い 1 つのトークンが使用されますが、それによって窮地に追い込まれる可能性があります。初期の局所的に最良の選択が全体的に悪い文につながる可能性があります。上位 k 個の部分シーケンス (「ビーム幅」、多くの場合 4 ～ 10) を維持することでビーム検索を回避します。各ステップで、可能な次のトークンを使用してすべてのビームを拡張し、累積対数確率によってすべての候補をスコアリングし、上位 k のみを保持します。その結果、最高スコアの完全なシーケンスが得られます。これは機械翻訳の標準となり、創造性よりも忠実で確率の高い出力が重要となる場合には、依然として一般的です。
技術的な洞察
ビーム検索は、トークンの対数確率を合計することによってシーケンスをスコアリングします。これにより、シーケンスがより短いシーケンスに偏ります (余分なトークンごとに負の項が追加されます)。これに対抗するために、システムは長さの正規化を適用し、スコアをシーケンスの長さ (場合によってはべき乗) で除算します。ビーム幅が大きくなると、より多くの候補が探索されますが、計算コストが増加し、直観に反して、場合によっては味気ない、または劣化したテキストが生成される可能性があります。これは、ニューラル機械翻訳における十分に文書化された効果です。
戦略的影響
速度とスケール
言語ワークフローは、一貫性を犠牲にすることなく、より高速に移行できます。
アクセスと到達範囲
言語やコミュニケーション スタイルを超えてアクセスが拡張されます。
より明確な判決
自動化が繰り返しを処理する間、チームは判断により多くの時間を費やすことができます。
ビーム検索の未来
オープンエンドでクリエイティブな生成の場合、ビーム検索は繰り返しの一般的なテキストを生成する傾向があるため、サンプリング手法 (top-k、nucleus) に置き換えられることが増えています。しかし、翻訳、音声認識、コード生成、構造化出力などの制約のあるタスクでは、ビーム検索とそのバリエーション (多様なビーム検索、必須の単語を強制する制約付きビーム検索) が依然として価値があります。ビームスタイルの探査とサンプリングを組み合わせたハイブリッド アプローチの継続と、忠実性が優先されるか多様性が優先されるかに戦略を適応させるタスク認識型デコーディングが期待されます。
現実世界の実装
ニューラル機械翻訳システムは、多くの候補語句の中から文を最も流暢に表現するものを選択します。
音響モデルの確率から最も可能性の高いトランスクリプトをデコードする自動音声認識
画像キャプション モデルは、ランダムでもっともらしいキャプションではなく、単一の一貫したキャプションを生成します。
制約付きビーム検索を使用して、特定のキーワードまたは用語を出力に強制的に表示する制約付き生成
リスクとガードレール
幻覚のような事実が、レポート、サポート フロー、または研究結果に静かに組み込まれる可能性があります。
迅速な対応により、同様のリクエスト間で一貫性のない結果が生じる可能性があります。
アクセス制御が弱いと、機密テキスト データが漏洩する可能性があります。
実装ロードマップ
展開する前に、出力形式、トーン、品質基準を定義します。
正確さが重要な場合は常に、信頼できる情報源を使って地上対応を行ってください。
一か八かの成果物については人間によるレビュー チェックポイントを維持します。
失敗パターンを追跡し、プロンプトやワークフローを定期的に再トレーニングします。
探検を続けましょう
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Beam Search quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
次のガイド
制約付きガイド付きビーム検索
よくある質問
What is Beam Search?
ビーム検索は、1 つに貪欲にコミットするのではなく、各ステップで最も有望な部分シーケンスをいくつか保持するデコード戦略です。翻訳や要約などのタスクでは、毎回最適な単一の単語を選択するよりも、より高品質で一貫性のあるテキストが生成されるため、これは重要です。
ビーム探索における「ビーム幅」(k) は何を制御しますか?
ビーム幅は、各ステップで保持および拡張される上部の部分シーケンスの数です。幅が大きいほど、より多くの候補が探索されます。
ビームサーチは貪欲なデコードとどう違うのでしょうか?
貪欲なデコードでは、各ステップで最上位のトークンのみが使用されます。複数の有望なシーケンスを同時に追跡することにより、ビーム検索を回避します。
長さの正規化がビーム探索に一般的に適用されるのはなぜですか?
追加のトークンごとに負の対数確率が追加されるため、正規化を行わないと、短いシーケンスのスコアが不当に高くなります。
ビームサーチはどのタスクに特に適していますか?
ビーム検索は、目標が単一の正確で流暢なレンダリングである場合に優れており、これが翻訳の標準となった理由です。
オープンエンド生成に非常に大きなビーム幅を使用する場合の既知の欠点は何ですか?
直感に反しますが、ニューラル テキスト生成におけるビームの幅が広いと、興味深いシーケンスではなく、一般的な反復シーケンスが優先されることがよくあります。