在LMDeploy中获取贪婪解码器的Token概率得分
2025-06-04 05:09:56作者:秋泉律Samson
背景介绍
在自然语言处理领域,语言模型生成文本时通常会采用不同的解码策略,其中贪婪解码(Greedy Decoding)是最基础的一种方法。贪婪解码在每一步都选择概率最高的token作为输出,这种策略简单高效,但缺乏多样性。
在实际应用中,我们有时不仅需要模型生成的文本内容,还需要了解每个输出token的概率得分(logprob)。这些得分信息对于分析模型行为、调试模型性能或进行后续处理都非常有价值。
问题分析
LMDeploy项目默认提供的接口中,使用贪婪解码时无法直接获取每个token的概率得分。虽然可以通过设置top_k=1的采样方式来近似贪婪解码,但这种方法存在两个问题:
- 当k=1时,所有输出token的得分都会被归一化为1,失去了实际概率意义
- 当k>1时,虽然可以得到概率得分,但输出结果可能与贪婪解码不同
解决方案
我们可以通过以下技术方案间接获取贪婪解码的token概率得分:
- 首先正常使用贪婪解码生成完整的输出序列
- 然后重新计算整个序列(包括输入prompt和输出)的logits
- 从logits中提取生成部分的概率分布
- 针对每个输出token,获取其在对应位置的概率得分
实现代码示例
import torch
from lmdeploy import pipeline, GenerationConfig
# 初始化pipeline
pipe = pipeline('/path/to/model/', log_level='INFO')
# 使用贪婪解码生成文本
messages = '你好' # 输入文本
output = pipe(messages, gen_config=GenerationConfig(top_k=1))
# 获取完整token序列
decorated = pipe.chat_template.messages2prompt(messages)
prompt_tokens = pipe.tokenizer.encode(decorated)
all_tokens = prompt_tokens + output.token_ids
# 计算完整序列的logits
all_logits = pipe.get_logits(all_tokens)
# 计算softmax概率
all_scores = torch.softmax(all_logits, dim=-1)
# 提取生成部分的概率得分
gen_scores = all_scores[0, len(prompt_tokens) - 1:-1]
# 打印每个token及其得分
for i, tk in enumerate(output.token_ids):
print(f"Token {i}: ID={tk}, Score={gen_scores[i, tk]}")
技术细节说明
- logits获取:
get_logits
方法返回模型对输入序列的原始输出(logits),这是计算概率的基础 - 概率转换:使用softmax函数将logits转换为概率分布
- 序列对齐:需要精确计算生成部分在完整序列中的位置偏移
- 效率考虑:这种方法需要两次前向计算,会带来一定的性能开销
应用场景
这种技术可以应用于以下场景:
- 模型分析:通过token得分分析模型在哪些位置不确定或容易出错
- 结果过滤:基于得分阈值过滤低置信度的生成结果
- 调试工具:帮助开发者理解模型生成过程
- 质量评估:作为生成文本质量的量化指标之一
总结
虽然LMDeploy没有直接提供贪婪解码的token得分接口,但通过组合现有API,我们仍然可以获取这些有价值的信息。这种方法虽然有一定的计算开销,但对于需要深入分析模型行为的场景非常有用。开发者可以根据实际需求,在效率和信息丰富度之间做出权衡。
登录后查看全文
热门项目推荐
相关项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K

deepin linux kernel
C
22
6

React Native鸿蒙化仓库
C++
192
274

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
423
392

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511