beam search
beam search
Определение
Алгоритм декодирования, который на каждом шаге хранит K лучших гипотез и выбирает лучшую последовательность; применяется в точных задачах генерации.
Где встречается
- 153. Что такое ∇-Reasoner (nabla-reasoner) и как он использует градиентный спуск на этапе теста
- 213. Что такое Guided Decoding и как оно связано с JSON schema
- 215. Что такое Wave Decoding и чем отличается от стандартного авторегрессивного
- 292. Как работает temperature sampling и как он влияет на качество при разных значениях
- 293. Что такое Top-p (nucleus) sampling и как он сочетается с temperature
- 320. Что такое ONNX Runtime и когда он выгоден для LLM
- 363. Как работает Whisper (architecture, tokenization, training) для ASR
- 450. Что такое Wave Decoding и чем отличается от стандартного авторегрессивного
- 452. Как вы управляете memory fragmentation при длительном раннинге LLM сервера
- 456. Что такое Medusa (multiple heads) для speculative decoding
- 543. Как работает Whisper архитектурно для ASR (Automatic Speech Recognition)
- 562. Как работает whisper.cpp для локального ASR с low latency
- 570. Что такое tree search agents (MCTS for LLM) и когда они эффективны
- 638. Как работает ∇-Reasoner (градиентный спуск в пространстве токенов на этапе теста)
- 662. Что такое logits и как они связаны с вероятностями temperature scaling
- 678. Как работает greedy decoding vs beam search vs sampling
- 679. Что такое repetition penalty и как он работает
- 837. Как работает paged attention (детально)
- 893. Как работает tree search (MCTS) для LLM агентов
- 800+ вопросов
- 62. Настроить MCTS для математических задач
- 63. Реализовать verifier-guided decoding
- 69. Реализовать deliberate decoding