【机器学习】BeamSearch算法
BeamSearch原理
Beam Search 是一种启发式搜索算法,常用于自然语言处理和其他需要生成序列的任务中,比如机器翻译、自动摘要和语音识别,大模型推理等。它是一种改进的贪心算法,旨在平衡计算效率与搜索质量。相对Greedy search扩大了搜索空间,但远远不及穷举搜索指数级的搜索空间,是二者的一个折中方案。Greedy search 可以看做是 beam size = 1时的 beam search,即每一步都选概率排名Top-1的token,一条路走到黑。
Beam Search通过维护一个有限大小的候选集(称为“beam”),在每一步只选择最有希望的若干个候选项,从而避免了暴力搜索空间的指数级增长。简言之,Beam Search 会在每个时间步上选择最佳的“beam width”(宽度)个候选,而不是总是选择最好的单个候选。
Beam Search有一个超参数beam size(束宽),设为k。第一个时间步长,选取当前条件概率最大的k个词,当做候选输出序列的第一个词。之后的每个时间步长,基于上个步长的输出序列,挑选出所有组合中条件概率最大的k个,作为该时间步长下的候选输出序列。始终保持k个候选。最后从k个候选中挑出最优的。
算法流程
假设要生成一个序列,算法的步骤如下:
初始化:开始时,Beam Search 选择一个初始状态(比如一个空的序列)并评估其可能性。
扩展候选项:每一步,算法生成所有可能的下一个词或状态,并评估这些候选项的得分(通常通过某种概率模型来评估,如语言模型或神经网络的输出)。
选择最佳候选:然后,只保留得分最高的“beam width”个候选项,并丢弃其他候选项。这些候选项将继续向下扩展。
停止条件:直到满足某种停止条件(如生成完毕或达到最大长度)时,算法会停止,最终选择得分最高的候选序列作为结果。
Beam Search 是基于保留每步得分最好的候选项来进行的,但是如果有多个候选项的概率相同,可以选择随机从这些候选中选出若干个,或者可以选择 按顺序 排列所有候选项,并选出得分相同的前 N 个候选项。
BeamSearch的优缺点
优点:
比贪心算法更好:能够考虑多个候选项,避免早期陷入局部最优解。
计算效率较高:相对于暴力搜索,Beam Search 大大减少了搜索空间。
缺点:
计算开销较大:随着 Beam Width 增大,计算的复杂度也会增加。
不能保证全局最优解:由于只保留固定数量的候选项,可能会错过一些较优的解。
参考文献
【CSDN】怎么理解BeamSearch?
【知乎】如何通俗的理解beam search?