Busca em feixe (LLM)
Uma estratégia de decodificação que mantém várias sequências candidatas ("feixes") vivas em paralelo e as expande passo a passo, para achar a sequência completa mais provável no total — não só a palavra mais gulosa a cada passo. Comum em tradução automática, menos em modelos de chat criativos.
O problema que resolve: a decodificação gulosa (sempre escolher a próxima palavra mais provável) pode se encurralar — uma escolha localmente boa leva a um resultado geral pior. A busca em feixe mantém as B sequências parciais mais promissoras a cada passo, expande todas e guarda de novo as B melhores → explora vários caminhos e encontra uma sequência com probabilidade total maior. Vantagem: boa para tarefas com uma resposta "certa" (tradução, resumo). Desvantagem: em geração aberta ou criativa costuma dar texto monótono, repetitivo e genérico (a sequência mais provável raramente é a mais interessante) → por isso os modelos de chat preferem amostragem (temperatura/top-p). Uma escolha clássica entre maximizar probabilidade e deixar variar. Relacionado a nucleus sampling e decodificação gulosa.