英文：Beam Search 分类：foundation
在每一步保留 Top-K 个最优部分序列（束）并逐步扩展、最终选出整体得分最高完整序列的解码算法。相比贪心解码只看局部，束搜索近似全局最优，常用于机器翻译、摘要等追求精确的任务。
束宽（beam size）越大搜索越充分但计算量线性增长；实现中维护 K 个候选并按累计对数概率排序，常配合长度惩罚（避免偏向短句）与去重惩罚（避免重复片段）。现代 LLM 解码仍支持束搜索，但与采样相比输出多样性较低。
从统计机器翻译到神经机器翻译长期作为标准解码器，2020 年后生成式大模型以采样为主流，束搜索仍用于翻译、摘要与结构化生成等确定性任务。
机器翻译、文本摘要、语音识别与 SQL/JSON 生成；工程上束搜索的批处理实现与长度惩罚调参决定质量与延迟的平衡。
相关词条：Transformer · 注意力机制 · 自注意力 · 采样 · 贪心解码