【面试题】介绍一下beam search原理，与直接sample的区别？
Beam Search原理：
- 在每一步解码时保留概率最高的k个候选序列（beam width为k）
- 每个时间步扩展所有候选序列，计算累计对数概率
- 保留总体概率最高的k个序列，直到生成结束标记
- 最终选择总体概率最高的序列作为输出
数学表达：
在时间步t，维护k个候选序列集合 B_t = {y_1^t, y_2^t, …, y_k^t}
每个序列的得分：score(y) = Σ_{i=1}^t log P(y_i|y_<i, x)
与直接Sample的区别：
| 特性 | Beam Search | 直接Sample |
|---|---|---|
| 确定性 | 确定性算法 | 随机性算法 |
| 多样性 | 低，趋向保守 | 高，更具创造性 |
| 一致性 | 输出稳定一致 | 多次运行结果可能不同 |
| 适用场景 | 事实性回答、技术文档 | 创意写作、故事生成 |
| 计算成本 | 相对较高（需维护多个候选） | 相对较低 |
实际应用：
- 机器翻译：多用beam search保证准确性
- 创意写作：多用sampling增加多样性
- 对话系统：平衡两者，beam width=3-5