9.2 贪心搜索与束搜索：确定性与全局最优

9.2.1 贪心搜索

贪心搜索（Greedy Search）是最简单的策略：每一步选择概率最高的词元。

$x_t = \arg\max_{x} P(x | x_1, \dots, x_{t-1})$

贪心搜索速度快且确定性强，但有一个根本缺陷：局部最优不等于全局最优。 在某一步选择概率最高的词元，可能导致后续步骤进入较差的生成路径。

9.2.2 束搜索如何改进全局最优性

束搜索（Beam Search）通过同时维护 $B$ 条（$B$ 称为束宽）最优候选序列来缓解贪心搜索的局限。每一步，为每条候选序列扩展所有可能的下一个词元，保留总分数最高的 $B$ 条序列。

束搜索在机器翻译等有明确“正确答案”的任务中效果显著——通过扩大搜索范围，更可能找到全局最优的输出序列。但对于创造性文本生成，束搜索往往产生重复、无趣、过于保守的输出——因为最高概率的序列并不总是最“好”的回答。

束搜索的计算成本和延迟是贪心搜索的 $B$ 倍，对于实时对话场景通常不实用。