用 AI 摆两步束搜索：第一步最可能的词，未必带来最可能的整句
生成文字时，每一步都选概率最高的候选，会不会自动得到概率最高的整段？让AI把输出缩成两个符号，画出每个前缀的后续概率，就能亲手比较贪心解码与束搜索的区别。这不是让模型写漂亮句子，而是检查搜索到底留下了什么。
AI模型生成的概念插图：少量分支继续延伸，其余被舍弃；不是模型运行截图、照片或正文概率树的精确图。
先固定长度，免去额外评分因素
所有序列恰好两个符号，第二步之后统一结束，没有长度惩罚和额外过滤。第一步A概率0.6、B概率0.4。若已经选A，下一步X、Y各0.5；若已经选B，下一步X为0.9、Y为0.1。每个前缀下的条件概率都合计为1。
四个完整序列的联合概率是：AX=0.6×0.5=0.30，AY=0.30，BX=0.4×0.9=0.36，BY=0.04。它们合计为1。贪心第一步选A，第二步在X、Y并列时按预定字母顺序选X，得到0.30的AX；全局最大却是0.36的BX。
宽度二，保留的是两条前缀
束搜索第一轮保留A和B两条前缀；第二轮展开它们的所有后续，把AX、AY、BX、BY放在一起按累计概率排序，保留BX和AX，最后选BX。不能对每个父分支各留两条后声称仍然只有两束。
Hugging Face的生成方法说明介绍了束搜索保留若干候选序列的做法。本例直接乘概率以方便手算；长序列实现通常累加对数概率，避免连乘变得极小。此处不拿文本是否合理代替明确的概率评分。
再摆一棵会漏掉最佳结果的树
换一组完整数据：第一步A=0.5、B=0.3、C=0.2。接A后，X/Y/Z概率为0.34/0.33/0.33；接B后为0.4/0.3/0.3；接C后为1/0/0。仍然统一只走两步。
宽度二在第一步就删掉C。留下路径中最高是AX，概率0.5×0.34=0.17。可是完整枚举会找到CX，概率0.2×1=0.20。被剪掉的前缀不会在下一轮自动回来，第二步再认真排序也救不回它。
本文用两个独立过程分别完整枚举和按束宽剪枝，核对了第一例BX胜出、第二例CX遗漏。束宽增加会保留更多候选，但不能把有限束搜索当成穷举证明；候选概率高也不代表陈述真实。
让AI交付可摆桌面的搜索卡
“用固定两步输出演示贪心和宽度2束搜索。案例一：首步A=.6/B=.4；A后X/Y=.5/.5，B后=.9/.1。案例二：首步A=.5/B=.3/C=.2；后续X/Y/Z分别为(.34,.33,.33)、(.4,.3,.3)、(1,0,0)。每轮合并全部扩展后只保留2条，概率并列按序列字母顺序。另做完整枚举，对照赢家及被剪路径；不加入长度或终止评分。”
把每个前缀写在单独纸条上，每轮真实移走被剪掉的纸条，最容易看见“继续搜索”和“重新开始”不同。接到真实生成接口时，再核对结束符、长度归一和重复惩罚等规则，别把本例的简单乘积当成所有工具的最终得分。
资料核对日期：2026年10月2日。本文使用原创合成设定，独立核算不代表真实模型训练或效果测试。
