大语言模型（LLM）既可以按顺序逐个生成单词（token），也能实现一次生成多个 token

核心差异源于解码策略与模型架构设计

一、常规“逐个生成”模式（基础逻辑）

多数入门级演示或简单文本生成中，LLM 会默认按 “生成一个 token → 拼接回输入 → 再生成下一个” 的流程，本质是 自回归（Auto - Regressive）机制的基础应用 。

比如用小语言模型续写 “今天天气____”：

1. 模型先基于 “今天天气” 预测第一个 token，假设输出 “很”；
2. 再把 “今天天气很” 作为新输入，预测下一个 token（如 “好” ）；
3. 持续迭代直到触发结束条件（如生成句号、达到长度限制）。

这种方式逻辑直观，但逐 token 生成效率较低，且容易因长依赖出现重复、逻辑断裂问题。

二、一次生成多个 token 的实现方式

实际应用中，LLM 可通过 “多 token 并行生成” 加速文本产出，核心思路是让模型一次预测多个位置的 token&#x