---
title: "貪婪解碼（Greedy Decoding）"
slug: greedy-decoding
language: zh-TW
source: https://aiterms.tw/terms/greedy-decoding
updated_at: 2026-04-29
tags: [自然語言處理, 生成式AI, 模型訓練, 深度學習, 大型語言模型]
ipas_term: false
---

# 貪婪解碼（Greedy Decoding）

> **你有沒有看過 AI 每次都選眼前最像對的字，結果整句越寫越怪？**
>
> 你可以把貪婪解碼想成每一步都只挑第一名。
> 它快又簡單，但因為不看後面可能發生什麼，所以常會掉進局部最佳解。
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 容易混淆

> **貪婪解碼 vs 集束搜尋**
> 貪婪解碼每步只留一個候選
> 集束搜尋會保留多個候選一起比較
> 最關鍵的區別是單一路徑，還是多路並行
>
> **貪婪解碼 vs 隨機抽樣**
> 貪婪解碼選機率最高的詞
> 抽樣會保留一定隨機性
> 最關鍵的區別是固定選最強，還是保留變化
>
### 記住這句就好

> 每一步都只拿第一名。

### 實際案例

> **即時語音轉文字**
> 如果你很在意延遲，貪婪解碼可以先快速吐出可讀結果。
>
> **快速基準測試**
> 在做模型初步驗證時，貪婪解碼常被拿來當簡單又穩定的 baseline。
>
### 算法與應用

> 它的優點是可預測、低成本，缺點是容易產生重複或不自然的長句。
> 如果你在乎品質，通常會改看 beam search 或加入抽樣策略。

### 情境判斷

> **Q1：** 你做的是即時應用，最在意反應速度，會考慮什麼解碼法？
> → 貪婪解碼常是最簡單的起點。
>
> **Q2：** 你在寫長篇故事，希望句子多樣一些，還會只用貪婪解碼嗎？
> → 通常不會，因為它太容易走向單一路徑。
>
### 常見問題

> **Q：貪婪解碼為什麼會重複？**
> 因為它一直挑局部最高分的詞，容易進入固定循環。
>
> **Q：它什麼時候最適合？**
> 當你要的是速度和簡單穩定，而不是最高品質時。
>
> **Q：溫度調整能解決它嗎？**
> 只能部分改善，解碼策略本身的限制還是在。
>
### 相關術語

> - **解碼器**：先看生成模型是怎麼一步步產生文字的
> - **推論**：貪婪解碼是推論階段常見選擇
> - **集束搜尋**：最典型的對照方法
> - **語言模型**：解碼策略是語言模型輸出的一部分
> - **大型語言模型**：實際產品常要選解碼方式

---

來源：https://aiterms.tw/terms/greedy-decoding
快查頁：https://aiterms.tw/terms/greedy-decoding
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-greedy-decoding