Transformer——Q87 分析长度归一化（Length Normalization）对束搜索排名的影响_文本序列长度标准化 length normalization-优快云博客

该问题归类到Transformer架构问题集——解码策略——自回归生成。请参考LLM数学推导——Transformer架构问题集。

1. 引言

在大语言模型（LLM）的文本生成领域，束搜索（Beam Search）作为常用的解码策略，通过保留多个候选序列来提升生成文本的质量与多样性。然而，在束搜索过程中，较长的序列往往因其对数似然累积值较大，在排名时占据优势，但这并不意味着其就是最优解。为了解决这一问题，长度归一化（Length Normalization）技术应运而生。它通过对不同长度的候选序列进行合理调整，使束搜索的排名更加公平、合理，从而筛选出更优质的生成结果。本文将从技术原理、数学理论、LLM 使用实例、代码示例与解读等方面，深入分析长度归一化对束搜索排名的影响。

2. 技术原理与数学理论

2.1 束搜索排名的原始问题

在束搜索中，通常依据候选序列的对数似然累积值来进行排名。对于一个由n个 Token 组成的序列 $y = [y_1, y_2, \ldots, y_n]$ ，其对数似然累积 $LL(y)$ 的计算公式为：

$LL(y) = \sum_{t = 1}^{n} \log P(y_t|y_{<t})$

其中， $P(y_t|y_{<t})$ 表示在已知前面已经生成的 Token 序列 $y_{<t} = [y_1, y_2, \ldots, y_{t - 1}]$ 的条件下，生成当前 Token $y_t$ 的概率。

这种排名方式存在一个明显的问题：较长的序列由于包含更多的 Token，其对数似然累积值往往会比短序列更大。例如，在生成故事文本时，一个包含 50 个 Token 的候选序列，其对数似然累积值可能会高于仅包含 20 个 Token 的优质候选序列。这就导致束搜索在排名时，可能会优先选择长度较长但质量未必更优的序列，而错过一些简洁且高质量的短序列，影响最终生成文本的质量。