Transformers compute_transition_scores 怎样查看每个生成 token 的分数
如果你想知道 Transformers 生成结果里的每个 token 到底有多大把握,不能只读取 outputs.sequences。正确做法是让 generate() 同时返回每一步的 scores,再调用 model.compute_transition_scores(),把整张词表的分数对齐到最终选中的 token 上。这样可以逐 token 输出 token id、文本、对数概率和概率。
官方地址:https://huggingface.co/docs/transformers/main/en/main_classes/text_generation
最小组合是return_dict_in_generate=True、output_scores=True和compute_transition_scores()。贪心或采样生成不需要beam_indices;beam search 则必须把生成结果中的beam_indices一起传入。
先让 generate 保留每一步分数
默认情况下,generate() 主要返回 token 序列,并不会自动把每一步的预测分数保留下来。要做后续对齐,两个开关缺一不可:return_dict_in_generate=True 让返回值拥有命名字段,output_scores=True 才会填充 outputs.scores。
from transformers import AutoModelForCausalLM, AutoTokenizer
import numpy as np
# 分词器和模型必须来自同一套词表,后面才能正确还原 token 文本。
tokenizer = AutoTokenizer.from_pretrained("openai-community/gpt2")
model = AutoModelForCausalLM.from_pretrained("openai-community/gpt2")
# 某些 decoder-only 模型没有默认 padding token,这里沿用结束 token。
tokenizer.pad_token_id = tokenizer.eos_token_id
inputs = tokenizer(["Today is"], return_tensors="pt")
# 必须保留字典式结果和每一步分数,单独的 sequences 不够计算 token 分数。
outputs = model.generate(
**inputs,
max_new_tokens=5,
return_dict_in_generate=True,
output_scores=True,
)
# normalize_logits=True 让返回值可以直接按 log probability 理解。
transition_scores = model.compute_transition_scores(
outputs.sequences,
outputs.scores,
normalize_logits=True,
)
# decoder-only 模型的前缀长度来自输入;这里只查看模型新生成的部分。
input_length = inputs.input_ids.shape[1]
generated_tokens = outputs.sequences[:, input_length:]
for token_id, score in zip(generated_tokens[0], transition_scores[0]):
# score 是对数概率,指数运算后才是更直观的概率值。
print(token_id.item(), tokenizer.decode(token_id), float(score), float(np.exp(score)))
这里的 scores 是每个生成步骤的一组词表分数,而 transition_scores 只留下最终序列实际选中的那一个 token。两者不是同一个形状,也不要直接把整张词表的最大值当作最终结果。
compute_transition_scores 怎样对齐选中的 token
compute_transition_scores(sequences, scores, beam_indices=None, normalize_logits=False) 的核心工作是沿着生成序列取出每一步被选中的 token 分数。返回张量的行数对应返回序列,列数对应序列位置;对 decoder-only 模型来说,前面的列通常是提示词,不是新生成的内容。

因此展示结果时要先确定输入长度。官方示例对 decoder-only 模型使用输入 token 数,对 encoder-decoder 模型则使用解码起始位置,不能把两种模型的切片规则混成一个固定数字。
如果开启 normalize_logits=True,可以把分数当作归一化后的对数概率,并用 np.exp(score) 换算概率。这个值适合做逐 token 解释或低置信片段定位,但不等于“模型对整句话的唯一正确率”。
beam search 需要额外传入 beam_indices
beam search 会在多个候选路径之间保留和切换 beam。此时仅凭 sequences 和 scores 不能确定最终序列每一步来自哪条 beam,所以需要把 outputs.beam_indices 传给 compute_transition_scores。
# 使用 beam search 时,返回 beam_indices 才能追溯最终路径。
outputs = model.generate(
**inputs,
max_new_tokens=5,
num_beams=4,
num_return_sequences=4,
return_dict_in_generate=True,
output_scores=True,
)
# 传入 beam_indices,让方法沿最终 beam 路径取分数。
transition_scores = model.compute_transition_scores(
outputs.sequences,
outputs.scores,
outputs.beam_indices,
normalize_logits=False,
)
# 只有在保持未归一化分数时,才按文档示例重算 sequence_scores。
output_length = (transition_scores
如果目标是展示概率,通常选择 normalize_logits=True 更直观;如果目标是按照 beam search 的序列分数和长度惩罚重建官方返回值,则要保留 normalize_logits=False。两种用途不要混用同一套解释。

三个容易混淆的边界
第一,分数不是完整词表排名。 compute_transition_scores 返回的是最终选中 token 的分数;如果要查看某一步的 top-k 候选,仍然要回到对应的 outputs.scores[step] 做排序。
第二,提示词和新文本要分开。 decoder-only 模型的 sequences 通常包含输入提示词,直接与 transition_scores 从头 zip 会导致展示错位。先按输入长度切出生成部分,再进行 token 对齐。
第三,归一化选项取决于目标。 做概率解释时使用 normalize_logits=True;复算 beam search 的 sequences_scores 时,官方示例强调未归一化分数才有对应关系。不要因为数值看起来更熟悉就随意切换。
常见问题
为什么 outputs 没有 scores? 检查生成调用是否同时设置了 return_dict_in_generate=True 和 output_scores=True。只设置前者只能得到结构化结果,不会凭空生成每一步分数。
为什么 token 数和分数列数对不上? 先确认是否把 prompt 也算进了生成 token;再确认是否提前遇到 eos_token_id。序列可能因提前结束而短于 max_length,不应强行补齐成固定长度。
什么时候必须传 beam_indices? 使用 num_beams>1 的 beam search 时需要传入;普通 greedy decoding 或单 beam 生成通常不需要。
小结
查看生成 token 分数的关键不是重新运行一次模型,而是在第一次 generate() 时保留结构化输出和每步分数,再用 compute_transition_scores 完成序列对齐。展示概率、定位低置信 token 与复算 beam search 序列分数,分别对应不同的归一化和路径参数。
Transformers StopStringCriteria 怎样按结束字符串停止生成
- 上一篇
- Transformers StopStringCriteria 怎样按结束字符串停止生成
- 下一篇
- Safetensors metadata 怎样读取文件元数据
-
- 科技周边 · 人工智能 | 28分钟前 | 人工智能 · Hugging Face 模型仓库 Hugging Face Hub HfApi list_repo_tree
- Hugging Face Hub HfApi.list_repo_tree 怎样列出模型仓库中的文件
- 429浏览 收藏
-
- 科技周边 · 人工智能 | 18小时前 | 人工智能 · PyTorch safetensors contiguous save_file transpose
- Safetensors 保存转置张量时怎样处理连续内存
- 165浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 |
- Safetensors 怎样只读取张量元数据而不加载全部权重
- 240浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | 人工智能 · LoRa PEFT target_modules modules_to_save LoraConfig exclude_modules
- PEFT LoraConfig 怎样只训练指定模块
- 289浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 |
- Accelerate Accelerator.prepare 怎样统一设备与优化器
- 382浏览 收藏
-
- 科技周边 · 人工智能 | 19小时前 | python · 数据处理 · 人工智能 · 数据集 dataset Hugging Face Datasets set_transform 模型输入
- Hugging Face Datasets set_transform 怎样按需生成样本字段
- 258浏览 收藏
-
- 科技周边 · 人工智能 | 20小时前 | 人工智能 · Transformers AutoConfig from_pretrained 模型配置 不加载权重
- Transformers AutoConfig 怎样在加载模型前查看配置
- 132浏览 收藏
-
- 科技周边 · 人工智能 | 20小时前 | 人工智能 · 文本生成 Transformers generate no_repeat_ngram_size n-gram
- Transformers generate 怎样限制重复 n-gram
- 202浏览 收藏
-
- 科技周边 · 人工智能 | 20小时前 |
- Transformers BatchEncoding 怎样读取溢出序列映射
- 309浏览 收藏
-
- 科技周边 · 人工智能 | 20小时前 | 人工智能 · Transformers checkpoint Trainer resume_from_checkpoint 继续训练 优化器状态
- Transformers Trainer 怎样从 checkpoint 继续训练
- 258浏览 收藏
-
- 科技周边 · 人工智能 | 20小时前 | Hugging Face device 分布式训练 Accelerate PartialState process_index
- Hugging Face Accelerate PartialState 怎样获取当前进程和设备
- 389浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · PyTorch autograd torch.is_grad_enabled 梯度模式
- PyTorch torch.is_grad_enabled 怎样读取当前线程的梯度开关状态
- 346浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1139次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1123次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1299次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1237次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1090次使用
-
- 量化模型本地推理的显存估算方法
- 2026-10-17 501浏览
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览

