LLM中的采样总结

1. LLM中token生成的过程

LLM中token生成的过程基本上会有两个阶段，prefill阶段和decode阶段，为了造成不必要的混淆，把decode阶段理解成生成阶段，也就是包括prefill阶段和生成阶段。

在prefill阶段中，我们需要提供一段信息，以问答场景为例，假设输入的问题是“tell me today's whether”, 那么这个问题就可以理解成prefill阶段，回答的过程理解成生成阶段。

对于输入的问题，首先要进行的步骤是把文字转成计算机能理解的“数字”的过程，也就是tokenizer阶段，这个阶段将文字进行切割，切割成token，每个token对应词表中的一个ID(最简单的切割方式是按照词切割，只是理解上这样切割，实际上不会这么做)。这样一句话就会被映射成多个ID，在这里tell me today's whether可以理解成映射到了4个ID。之后，就是embeding层了，简单的理解是1个ID并不能表达这个词或者这个token的特征，那么为了表示这个token的特征，我们用向量来表示，此向量的维度假设为dim。如果词表的总大小是vocab_size,那么就会有维度的矩阵EmbedingMatrix（训练中得到）存在。我们已经知道了Token ID，那么就可以查表得到对用的向量，对于这里的输入得到
的矩阵，这个矩阵就是参与LLM的计算过程的输入，经过计算会得到一个新的的矩阵，这个可以理解成特征维度的结果，将此结果映射回token， 需要将的矩阵 和的矩阵相乘，得到的矩阵，取最后一个结果即的向量作为最后一个token，这里可以理解成有
个概率，每个值代表对应的token出现的概率，我们将要介绍的采样就是发生在这里，对这个最后的的向量进行采样，得到1个TokenID， 这个TokenID就是最后生成的Token。如何对这个的向量进行采样是有很多中方法的，下面一一介绍。

2. 采样方法

1. 贪心算法(Greedy Search)

2. Beam-Seach

3. Top-K采样

通过调整 k 值，您可以直接影响模型的选择过程。较低的 k 值将模型限制为一组较小的高概率token，使文本生成更加可预测和连贯。相反，较高的 k 值通过考虑更广泛的标记阵列来实现更多的多样性，这可以引入创造力，但也可能导致输出更不可预测。

例如上图中，如果设置k=4，那么就会选择前4个概率最大的作为候选，将这4个概率值重新计算归一化，得到新的概率值,然后根据随机选择一个token作为结果。

Top-K也是有一定的缺点：

1. 重复的可能性：虽然与Greedy Search相比，重复的可能性较小，但如果前 k 个集合经常包含相似的标记，则仍然有可能出现重复。

2. k 的选择：确定 k 的最佳值需要进行实验，因为 k 太小可能会导致可预测性，而 k 太大可能会重新引入过多的随机性。

4. Top-P采样

5. Temprature

temprature是一个超参数，它会修改 softmax 函数产生的输出概率，从而影响下一个 token 的选择。

具体的计算是：
 

T代表temprature参数的值，经过计算后，概率分布会重新改变：T>1 时：除以大于 1 的temprature的效果是使 logit 在 softmax 操作之前彼此更接近。这种分布的“平坦化”意味着 logit 之间的差异不那么明显，从而导致更均匀的分布，其中可能性较小的 token 获得更高的被选中机会。

T<1 时：相反，除以小于 1 的温度会放大 logit 之间的差异，使分布“更尖锐”。这会导致可能性较大的 token 的概率更高，而可能性较小的 token 的概率会显著降低。