machine-learning - Beam Search 如何对 The Transformer 的输出进行操作？

Question

根据我的理解(如果我错了，请纠正我)，Beam Search 是 BFS，它只探索可能性的“图表”b 最可能的选项，其中 b 是光束尺寸。

为了计算/评分每个选项，特别是对于我正在做的 NLP 领域的工作，我们基本上通过计算一个标记的概率(考虑到它之前的所有内容)来计算可能性的分数。

这在循环架构中是有意义的，您只需通过最佳的 b 第一个标记运行解码器所拥有的模型，即可获得每个第一个标记的第二个标记的概率代币。最终，你会得到具有概率的序列，然后你只需选择概率最高的序列即可。

但是，在 Transformer 架构中，模型没有这种递归，输出是词汇表中每个单词、序列中每个位置的完整概率(批量大小、最大序列长度、词汇大小) 。如何解释 Beam Search 的输出？我可以获得输入序列的编码，但是由于不会重复使用先前的输出作为下一个标记解码的输入，因此我如何计算源自最佳 < 的所有可能序列的概率强>b token ？

Answer 1

集束搜索的工作原理与循环模型完全相同。解码器不是循环的(它是自注意力的)，但它仍然是自回归的，即生成 token 是以先前生成的 token 为条件的。

在训练时， self 注意力被屏蔽，这样只关注当前生成的单词左侧的单词。它模拟您在推理时的设置，当您确实只有左侧上下文时(因为右侧上下文尚未生成)。

唯一的区别是，在 RNN 解码器中，您仅在每个波束搜索步骤中使用最后一个 RNN 状态。使用 Transformer，您始终需要保留整个假设并对整个左侧上下文进行自注意力。