何时结束？神经文本生成的最优束搜索（模束宽）

在神经机器翻译、摘要生成和图像描述等神经文本生成任务中，束搜索被广泛用于提升输出文本质量。然而，在神经生成设定下，假设可在不同步数完成，这使得难以决定何时结束束搜索以保证最优性。我们提出一种可证明最优的束搜索算法，其总能返回最优得分的完整假设（模束宽），并在最优性确立时立即结束（不晚于基线）。为应对神经生成偏向较短假设的倾向，我们还引入了有界长度奖励机制，使得我们束搜索算法的改进版本仍保持最优。在神经机器翻译上的实验表明，我们这一原则性束搜索算法相较先前提出的替代方案在 BLEU 分数上有所提升。