问题

为什么要有 TopK 和 Top P？

答案

Top K

Top K 最早出现在 《Hierarchical Neural Story Generation》论文中，但是只是作为一个小章节提了一嘴。

使用 TopK 的动机是

发现 greedy 和 beam search 倾向于产生来自训练集合的通用和重复的短语。

完全使用语言模型输出的概率分布，进行随机的采样可以极大地降低重复的概率。但是这样做有几率引入非常不可能出现的单词，导致上下文不连贯，最终生成的结果可能答非所问。

所以取了这两个方案的折中，依然是基于某个分布采样，但是只从概率最大的 k 个 token 进行采样。

由于该论文的主要论点并不是 decode 的策略，所以并没有针对该问题进行仔细研究。

Top P

论文 《The Curious Case Of Neural Text Degeneration》 专门研究了 decode 策略对生成结果的影响。结论还蛮多的。

论文有一个反直觉的发现是，基于最大化概率的解码方法（比如 Greedy/Beam search），会导致文本生成能力退化：输出平淡无奇，缺乏连贯性，还容易陷入重复。

进一步研究有两个结论：

1. 开放式写作的目标和最大化概率的解码目标不一致

首先要明确一个问题：Beam search 等最大概率的解码方法，其搜索路径和人类用自然语言写作到底有多大差异。是不是扩大一下 beam size 就能产生和人类书写的类似文本。

然而答案是绝望的，经过统计发现， 自然语言很少在连续多个时间步中保持高概率区域，反而更倾向于选择概率较低但信息量更大的词. 这一点也成了检测文本是否是 AI 生成的一个重要特征。

此外，（Grice）的会话准则（Grice, 1975）表明，人类在沟通中会刻意避免陈述显而易见的内容，以追求更高效或有价值的表达。这一点其实就已经与通过最大概率来寻找答案相悖了。

现在大模型通常在最后都有对齐阶段，虽然在推理的时候依然是最大概率的方法，但是这样做能从某种程度上使得模型输出的概率分布更接近人类的偏好。

而且通过追踪固定单词比如"I don't know", 发现随着这几个词出现次数的增加，其出现的概率会越来越大。

在其他的研究中也发现，与人工智能生成的文章相比，人类生成的文章表现出更高的平均单数词使用率和更长的句子长度，这表明人类写作中的语言结构更加复杂和细致入微。

最后论文还展示了不同解码策略，下游任务上的表现和困惑度之间的关系，可以看出，困惑度小仔下游任务表现并不一定好：

2. 语言模型的长尾分布非常不靠谱，需要截断

另一个研究差不多就是 Top K 论文里的结论，长尾词的词并没有充分的学习，但是却占据了不小的概率分布，需要截断。

但是 Top K 的截断方法有点过于简单粗暴了，所以把截断的方式变成了按最大概率的累计概率和来设定一个阈值截断。

— END —

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图

2.100套AI大模型商业化落地方案

3.100集大模型视频教程

4.200本大模型PDF书籍

5.LLM面试题合集

6.AI产品经理资源合集

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓