大模型训练与微调（4）——Top-k 和 Top-p 采样策略介绍

今天学习了Top-k 和 Top-p 采样策略，总结一下！
在自然语言生成任务中， Top-k 和 Top-p 是两种广泛使用的采样策略，用于控制大模型生成结果的多样性与可靠性。它们通过动态筛选候选词的概率分布，避免生成低质量或不合逻辑的文本。以下从定义、数学原理、实际应用和对比分析四个方面详细解析这两种方法。

---

一、Top-k 采样

1. 核心思想

• 定义：在每一步生成时，仅保留概率最高的前 k 个候选词，并在这 k 个词中重新分配概率权重进行采样。
• 目的：过滤低概率的噪声词，平衡生成结果的多样性与合理性。

2. 数学实现

1. 对模型输出的原始概率分布 $P(x)$ 按概率值从高到低排序。
2. 选取前 k 个词，构成候选集合 $V_{\text{top-k}}$。
3. 对 $V_{\text{top-k}}$ 中的概率重新归一化：
   $$P_{\text{new}}(x_i)=\frac{P(x_i)}{{\sum }_{x_j\in V_{\text{top-k}}}P(x_j)},x_i\in V_{\text{top-k}}$$
4. 从新的分布中采样生成下一个词。

3. 示例

假设模型对下一个词的原始概率分布为：
["狗": 0.6, "猫": 0.2, "鸟": 0.15, "鱼": 0.05]
若设置 k=2，则候选集合为 ["狗", "猫"]，重新归一化后的概率为：
["狗": 0.6/(0.6+0.2)=0.75, "猫": 0.2/(0.6+0.2)=0.25]
最终可能生成“狗”或“猫”，但不会生成“鸟”或“鱼”。

4. 特点

• 优点：简单可控，避免生成低概率词。
• 缺点：k 是固定值，可能忽视长尾中有意义的候选词。
  （例如，若真实场景需要“鱼”，但 k=2 会强制排除它）

---

二、Top-p（Nucleus）采样

1. 核心思想

• 定义：从概率最高的词开始累积，直到累积概率超过阈值 p，仅在这部分词中采样。
• 目的：动态调整候选词数量，适应不同上下文的不确定性。

2. 数学实现

1. 对概率分布按从高到低排序，得到有序列表$[x_1,x_2,...,x_n]$。
2. 计算累积概率 ${\sum }_{i=1}^{m}P(x_i)$，找到最小的 $m$使得累积概率 ≥ p。
3. 将前 m 个词构成候选集合 $V_{\text{top-p}}$。
4. 对 $V_{\text{top-p}}$ 重新归一化并采样。

3. 示例

原始概率分布：
["快乐": 0.5, "悲伤": 0.3, "愤怒": 0.15, "惊讶": 0.05]
若设置 p=0.9，则累积过程为：

• 快乐（0.5）→ 快乐+悲伤（0.8）→ 快乐+悲伤+愤怒（0.95 ≥ 0.9）
  候选集合为 ["快乐", "悲伤", "愤怒"]，重新归一化后的概率为：
  ["快乐": 0.5/0.95≈0.526, "悲伤": 0.3/0.95≈0.316, "愤怒": 0.15/0.95≈0.158]

4. 特点

• 优点：动态适应不同分布，保留合理的长尾词。
• 缺点：可能包含过多低概率词（尤其在分布平坦时）。

---

三、Top-k vs. Top-p 对比分析

维度	Top-k	Top-p
筛选逻辑	固定数量（前 k 个词）	动态数量（累积概率 ≥ p 的最小集合）
适用场景	概率分布集中（如事实问答）	概率分布分散（如创意写作）
参数敏感度	k 过大导致噪声，过小导致僵化	p 过高包含噪声，过低限制多样性
灵活性	低（固定数量）	高（动态调整）

---

四、联合使用与调参建议

1. 常见组合

• Top-k + Top-p：先通过 k 截断长尾词，再用 p 动态筛选。
  （例如：k=50, p=0.95）
• Top-p + 温度调节：高温（T>1）平滑分布后，用 p 控制多样性。

2. 参数选择参考

• 确定性任务（代码生成、翻译）：
  k=10~40, p=0.8~0.9, T=0.3~0.7
• 创造性任务（故事生成、对话）：
  k=50~100, p=0.9~0.95, T=0.7~1.0

---

五、实例演示

输入上下文：

“夏日的海滩上，孩子们在______”

不同参数下的生成结果：

1. Top-k=3, T=0.5：

   • 候选词：[“玩耍”, “堆沙堡”, “奔跑”]
   • 输出：“玩耍”（高确定性）。

2. Top-p=0.9, T=1.2：

   • 候选词可能包含：[“追逐海浪”, “捡贝壳”, “放风筝”]
   • 输出：“追逐海浪”（多样且合理）。

3. Top-k=5 + Top-p=0.95：

   • 平衡筛选范围，可能生成：“堆沙堡，笑声随着海风飘散”。

---

六、数学形式化总结

设原始概率分布为 $P(x)$，排序后为 $P_{(1)}\ge P_{(2)}\ge ...\ge P_{(n)}$：

• Top-k：
  V top-k = { x ( 1 ) , x ( 2 ) , . . . , x ( k ) } V_{\text{top-k}} = \{ x_{(1)}, x_{(2)}, ..., x_{(k)} \} Vtop-k​={x(1)​,x(2)​,...,x(k)​}
• Top-p：
  $$V_{\text{top-p}}=\left\{x_{(1)},x_{(2)},...,x_{(m)}|\sum _{i=1}^m{P}_{(i)}\ge p\right\}$$

---

七、总结

• Top-k：通过固定数量限制候选词，适合概率分布集中的场景。
• Top-p：通过动态累积概率筛选，更适合开放性的生成任务。
• 联合使用：结合两者优势，例如 GPT-3/4 等模型默认采用 Top-p=0.95 和 Top-k=50 的组合策略。

实际应用中，需根据任务需求（如事实性、创造性）和输出质量（连贯性、多样性）权衡参数选择。