← 返回概念解读

Concept Fable精修版

最佳-of-N 采样

Best-of-N Sampling · Inference

先读故事。这里不急着给定义,先让问题自己长出来。

寓言故事

陶坊一次烧出几只杯,再让验杯师挑一只

灯谜铺原本靠一套熟办法运转。掌柜让伙计想到谜面就拿来给他看,按旧节奏挂灯谜时很少出岔子;街坊也愿意猜个热闹。

后来事情变大了。中秋要挂出最妙的谜面,催促声从清晨排到傍晚。新人以为这是数量问题,只要多派人、多加钟点就行;老人却看见许多细节已经越过旧办法能承受的边界。

掌事人试了第一个办法:让伙计想到一句就立刻上墙。开头几天确实看见起色,队伍短了些,外人也觉得这门手艺终于跟上了新场面。

可麻烦很快换了样子。有人为了赶进度省掉检查,有人把不合适的活硬塞进旧流程,最熟练的人反而被琐事拖住。出错处不总在明面上,常等到交付之后才露出来。 旧账本还能说明来路,却说不清下一步该怎么改。

掌事人又加了规矩,要求每个人多签字、多回报、多补一层保护。纸面看起来周全,现场却更慢;师傅们忙着证明自己没错,真正的裂缝仍在原处扩大。旁观者只看到结果忽好忽坏,现场的人越来越难判断该先救速度、质量,还是责任。 每个人都觉得自己多做了一点,整件事却没有因此更稳。

一位沉默的老匠人把几次失败摊在桌上。他没有责怪谁,只让大家看同一个细节:新限制从来没有进入日常练习,只在交付前突然冒出来。他把几次返工按发生顺序排开,众人才发现,失误总在同一个拐角被放大。

于是作坊改成了新规:同题写出多份,再由老读者挑最清楚的一份。刚开始人人不适应,手脚都像被拴住;但几轮下来,粗糙的捷径被挡住,真正稳妥的动作慢慢留下来。

再遇到同样的压力时,交付没有变得花哨,却明显更可靠。掌柜终于明白:多试几稿再挑,能提高上墙质量,但也会多耗纸墨。若等到最后才补救,代价往往已经埋进前面的每个选择里;这条新路没有消灭成本,却让成本提前现身,方便在还能改动的时候被处理。

揭示

这个故事讲的是:最佳-of-N 采样

Best-of-N 采样,也可以理解为“多候选择优”:系统一次生成 N 个候选答案,再用评分器、规则、验证器或人工标准选出最好的一个。它不是让模型只生成一次,而是在请求时多花计算来换更高质量。

代价是成本和延迟通常会随着候选数上升,选择标准也必须可靠。如果评分器偏了,系统可能只是更稳定地选中看起来好、实际不对的答案。

隐喻映射

  • 几只杯:multiple sampled candidate outputs
  • 验杯师:reward model, verifier, or scoring rubric
  • 柴火成本:extra inference tokens, latency, and compute
  • 不同订单用不同数量:adaptive N based on value or difficulty
  • 客人只看到一只杯:only selected answer is returned
  • 漂亮却不耐用:weak verifier can select superficially good but wrong outputs

Soloharness 判断

这个概念的实战价值,是帮你把“看起来聪明的 AI 功能”拆成可交付、可验收、可治理的工作单元。

rejection samplingreward modelinference-time compute