Top-k & Top-p
选择输出标记的方法是使用语言模型生成文本的一个关键概念。有几种方法（也称为解码策略）用于选择输出token，其中两种主要方法是 top-k 采样和 top-p 采样。
让我们看一下示例，模型的输入是这个prompt文本 The name of that country is the :
Example output of a generation language model.
在这种情况下，输出标记 United 是在处理的最后一步选择的——在语言模型处理输入并计算其词汇表中每个标记的似然分数之后。 该分数表示它将成为句子中下一个标记的可能性（基于训练模型的所有文本）。
The model calculates a likelihood for each token in its vocabulary. The decoding strategy then picks one as the output.
1.挑出top token：贪心解码
您可以在此示例中看到，我们选择了可能性最高的标记“United”。
Always picking the highest scoring token is called "Greedy Decoding". It's useful but has some drawbacks.
贪心解码是一种合理的策略，但也有一些缺点，例如输出带有重复文本循环。想一想智能手机的自动建议中的建议。当您不断选择最高建议的单词时，它可能会变成重复的句子。
2.从top tokens中挑选：top-k
另一种常用的策略是从前 3 个tokens的候选名单中抽样。这种方法允许其他高分tokens有机会被选中。这种采样引入的随机性有助于在很多情况下生成的质量。
Adding some randomness helps make output text more natural. In top-3 decoding, we first shortlist three tokens then sample one of them considering their likelihood scores.
更广泛地说，选择前三个tokens意味着将 top-k 参数设置为 3。更改 top-k 参数设置模型在输出每个token时从中抽样的候选列表的大小。将 top-k 设置为 1 可以进行贪心解码。
Adjusting to the top-k setting.
3.从概率加起来为15%的top tokens中挑选：top-p
选择最佳 top-k 值的困难为流行的解码策略打开了大门，该策略动态设置tokens候选列表的大小。这种称为Nucleus Sampling 的方法将可能性之和不超过特定值的top tokens列入候选名单。top-p 值为 0.15 的示例可能如下所示：
In top-p, the size of the shortlist is dynamically selected based on the sum of likelihood scores reaching some threshold.
Top-p 通常设置为较高的值（如 0.75），目的是限制可能被采样的低概率 token 的长尾。我们可以同时使用 top-k 和 top-p。如果 k 和 p 都启用，则 p 在 k 之后起作用。
Temperature
从生成模型中抽样包含随机性，因此每次点击“生成”时，相同的提示可能会产生不同的输出。温度是用于调整随机程度的数字。
采样时如何选择温度
较低的温度意味着较少的随机性；温度为 0 将始终产生相同的输出。执行具有“正确”答案的任务（如问题回答或总结）时，较低的温度（小于 1）更合适。如果模型开始自我重复，则表明温度过低。
高温意味着更多的随机性，这可以帮助模型给出更有创意的输出。如果模型开始偏离主题或给出无意义的输出，则表明温度过高。
Adjusting the temperature setting
可以针对不同的问题调整温度，但大多数人会发现温度 1 是一个很好的起点。
随着序列变长，模型自然会对其预测更有信心，因此您可以在不偏离主题的情况下为长提示提高温度。相反，在短提示上使用高温会导致输出非常不稳定。
Likelihood
我们的模型通过阅读从互联网上抓取的文本来学习建模语言。 给定一个句子，例如 I like to bake cookies，要求模型重复预测下一个标记 [?] 是什么：
I [?]
I like [?]
I like to [?]
I like to bake [?]
I like to bake cookies
该模型了解到单词 to 很可能跟在英语中的 like 之后，而 cookies 很可能跟在 bake 之后。
Intuition
token的可能性可以被认为是一个数字（通常在 -15 和 0 之间），它量化模型对句子中使用该token的意外程度。 如果token的可能性很低，则意味着模型不希望使用该token。 相反，如果token具有很高的可能性，则该模型有信心使用它。 例如，使用我们的 Large 模型，句子“I like to”中出现“to”的可能性大约为 -1.5。 这是相当高的，这意味着模型相当有信心 I like 的标记后面会跟着标记 to.. 同样，从句子 I like to bake cookies 中出现 cookies 的可能性大约为 -3.5，略低于 前面的例子（这很直观：brownies 或 cake也是合理的选择），但仍然很高。 但是，如果我们将句子更改为 I like to bake chairs ，那么token chairs 的可能性就会大大降低，大约为 -14。 这意味着该模型对其在句子中的使用感到非常意外。
Likelihood of a token
Number of Generations
当您调用 Generate endpoint 时，您可以选择在一次调用中生成多个结果。 这是通过设置 num_generations 参数来完成的。
Generating multiple outputs in a single API call.
模型的输出将根据您指定的生成设置而有所不同，例如温度、top-k 和 top-p。
每一个生成结果都有其一组似然值，其中包括：
- 每个生成的 token 的可能性
- 所有生成的标记的平均可能性。
Example
此示例使用输入：“This curved gaming monitor delivers ...”
使用最大token集为 4 生成并按平均标记似然排序的输出为：
Likelihood Text
-0.96 a truly immersive experience
-1.11 a virtually seamless view
-1.70 the ultimate viewing experience
-2.15 a 144Hz rapid
-2.44 a comfortable and stylish
您可以通过多种方式使用这些输出，例如，选择可能性最高的输出作为最终输出，或者将这些作为选项呈现在您的应用程序中。
From: Top-k & Top-p , Temperature