Búsqueda en haz (LLM)
Una estrategia de decodificación que mantiene vivas varias secuencias candidatas («haces») en paralelo y las extiende paso a paso, para hallar la secuencia completa más probable en conjunto — no solo la palabra voraz de cada paso. Común en traducción automática, menos en los modelos de chat creativos.
El problema que resuelve: la decodificación voraz (elegir siempre la palabra más probable a continuación) puede acorralarse — una buena elección local lleva a un peor conjunto. La búsqueda en haz conserva las B subsecuencias más prometedoras en cada paso, las extiende todas y vuelve a quedarse con las B mejores → explora varios caminos y encuentra una secuencia de mayor probabilidad total. La ventaja: buena para tareas con una respuesta «correcta» (traducción, resumen). El inconveniente: para la generación abierta o creativa suele dar texto soso, repetitivo y genérico (la secuencia más probable rara vez es la más interesante) → por eso los modelos de chat prefieren el muestreo (temperatura/top-p). Una disyuntiva clásica entre maximizar la probabilidad y dejar que varíe. Emparentada con el muestreo por núcleo y la decodificación voraz.