用語比較
貪欲法とビームサーチの違い｜次の1語だけで選ぶか、複数の候補を保つか（生成AIパスポート）
生成AIは、文章を1トークンずつ選びながら作ります。貪欲法は、各ステップで最も確率の高いトークンを選ぶ方法です。ビームサーチは、複数の生成列を同時に保ち、全体の確率が最も高い列を選ぶ方法です。
違いは、先を見るかどうかにあります。その場で一番を選ぶなら貪欲法、複数の候補を保って全体で選ぶならビームサーチと覚えると、選択肢を整理できます。
このページは、Hugging Face Transformers公式ドキュメント(Text generation strategies)をもとに、選び方・向く作業・組み合わせで比べます。同ライブラリの実装の説明であり、すべてのモデルや提供元の標準仕様ではありません。例は、説明用の架空のデータです。
この記事の根拠と出典
各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。 試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。生成AIパスポートの一次情報確認日: 2026-08-31。
結論
貪欲法
各ステップで、最も確率の高い次のトークンを選ぶ。同ドキュメントでは既定の戦略。
ビームサーチ
各時点で複数の生成列(ビーム)を保ち、一定のステップ後に全体の確率が最も高い列を選ぶ。
見分け方
複数の列を保って全体の確率で選ぶならビームサーチ。
違いを表で確認
| 比較軸 | 貪欲法 | ビームサーチ |
|---|---|---|
| 選び方 | 貪欲法：各ステップで、最も確率の高い次のトークンを選ぶ | ビームサーチ：各時点で複数の生成列(ビーム)を保ち、全体の確率が最も高い列を選ぶ |
| 先読み | 貪欲法：その時点の1番だけを見て進む | ビームサーチ：先読みでき、最初のトークンの確率が低くても、全体として確率の高い列を選べる |
| 向く作業 | 貪欲法：出力が比較的短く、創造性が優先されない作業に向く。長い列では繰り返しが起きやすい | ビームサーチ：画像の説明や音声認識のような、入力に根ざした作業に最も向く |
| 設定 | 貪欲法：同ドキュメントでは既定。ビームの数が1のときと同じ | ビームサーチ：num_beamsで有効にし、1より大きくする必要がある |
| サンプリングとの関係 | 貪欲法：確率の最も高いトークンを選ぶ。語彙全体の確率分布に従ってランダムに選ぶサンプリングとは別 | ビームサーチ：サンプリングと併用もできるが、確率の低い列は各ステップの間で貪欲に切り落とされる |
生成AIパスポートの学習に使う書籍（Amazon）
試験範囲を通して読むときの1冊です。読んだ章は、このサイトの章別問題で確かめられます。
どこで迷っているかを切り分ける
「ビームサーチなら必ず最良の文章になる」と思っている人
ビームサーチは全体の確率が高い列を選べますが、同ドキュメントが向く作業として挙げるのは、画像の説明や音声認識のような入力に根ざした作業です。作業によって向き不向きがあります。
貪欲法の弱点を聞かれる人
同ドキュメントは、貪欲法は長い列を生成すると繰り返しが起きやすいと述べています。短い出力で創造性が優先されない作業なら向きます。
サンプリングとの違いを聞かれる人
サンプリングは、最も確率の高いトークンではなく、語彙全体の確率分布に従ってランダムに選びます。繰り返しを減らし、創造的で多様な出力を生みやすい方法です。貪欲法は、その逆に毎回の最大を選びます。
具体例で使い分ける
例 1
先読みで結果が変わる場面(架空のデータ)
次の1語の候補が「A」(確率0.5)と「B」(確率0.4)。Aの後に続く語はどれも確率が低く、Bの後には確率の高い語が続く、という説明用の設定。
- 貪欲法は、最初のステップで確率の高い「A」を選びます。
- ビームサーチは、「A」と「B」の両方から生成列を進め、全体の確率を比べます。
- 最初のトークンの確率が低くても、全体の確率が高い「B」の列を選べます。
結論: 先読みの有無が、結果を分けます。数字は、説明用の架空の例です。
例 2
繰り返しが起きやすい場面(架空のデータ)
長い文章を、貪欲法だけで生成したい。
- 貪欲法は、毎回最も確率の高いトークンを選びます。
- 同ドキュメントは、長い列では繰り返しが起きやすいと述べています。
- 多様さがほしいなら、語彙全体の確率分布からランダムに選ぶサンプリングを考えます。
結論: 長い文章で創造性がほしいときは、貪欲法だけでは向きません。この例は、説明用の架空の例です。
問題文から答えを選ぶ手順
- 1
何を選ぶ方法かを見る
各ステップの最大を選ぶなら貪欲法、複数の列を保つならビームサーチです。
- 2
作業の性質を見る
短く創造性が要らないなら貪欲法、入力に根ざした作業ならビームサーチを考えます。
- 3
多様さの要否を見る
多様な出力がほしいなら、サンプリングを考えます。
試験での見分け方
- 1各ステップで最も確率の高いトークンを選ぶのが、貪欲法。
- 2複数の列を保ち、全体の確率が最も高い列を選ぶのが、ビームサーチ。
- 3ビームの数が1なら、ビームサーチは貪欲法と同じ。
- 4語彙全体の確率分布に従ってランダムに選ぶのが、サンプリング。
誤答しやすい選択肢
ビームサーチは、毎回の最大を選ぶ方法だと考える
修正: 毎回の最大を選ぶのは貪欲法です。ビームサーチは、複数の列を保って全体の確率で選びます。
ビームの数を1にしても、ビームサーチだと考える
修正: 同ドキュメントでは、num_beamsが1だと貪欲法と同じになります。
ビームサーチとサンプリングは同時に使えないと考える
修正: 同ドキュメントは併用できると述べますが、確率の低い列は各ステップの間で貪欲に切り落とされます。
確認問題
Q1各ステップで、最も確率の高い次のトークンを選ぶ方法は？
答え: 貪欲法(greedy search)
同ドキュメントでは既定の戦略です。
Q2複数の生成列を保ち、全体の確率が最も高い列を選ぶ方法は？
答え: ビームサーチ(beam search)
先読みができるのが貪欲法との違いです。
Q3語彙全体の確率分布に従ってトークンをランダムに選び、繰り返しを減らしやすい方法は？
答え: サンプリング
最も確率の高いトークンを選ぶ貪欲法とは別の方法です。
到達チェック
- 貪欲法とビームサーチの選び方の違いを言える
- ビームの数が1のとき貪欲法と同じになることを言える
- サンプリングとの違いを言える
関連ページで確認する
同じ資格で次に知りたいこと
- ベクトル検索とキーワード検索の違い｜意味で探すか、字面で探すか（生成AIパスポート・RAG）
ベクトル検索とキーワード検索の違いを、類似度の取り方・キーワードが分からないときの強さ・近似最近傍(ANN)・ハイブリッド検索で整理。RAGの検索の部分で何が起きているかを、確認問題つきで確認できる。
- ファインチューニングとプロンプトエンジニアリングの違い｜モデルを変えるか、指示を変えるか（生成AIパスポート）
ファインチューニングとプロンプトエンジニアリングの違いを、変えるもの、必要なデータ、反映の速さ、向く場面で整理。生成AIパスポートの試験で選択肢を切り分ける判断手順と確認問題つき。
- 生成AIパスポートは個人受験か団体受験か｜人数・割引・支払い・キャンセルで選ぶ
生成AIパスポートの個人受験と団体受験の選び方を、GUGA公式で整理。団体受験は会員なら人数不問で20%割引、非会員は2名以上・10名以上で10%割引。請求書払いは翌月末、申込後のキャンセル・返金は不可。
よくある質問
Q貪欲法とは？
各ステップで、最も確率の高い次のトークンを選ぶ方法です。同ドキュメントでは既定の戦略です。
Qビームサーチとは？
複数の生成列(ビーム)を保ち、一定のステップ後に全体の確率が最も高い列を選ぶ方法です。
Qどちらが優れている？
優劣は決まりません。短く創造性が要らない作業なら貪欲法、画像の説明や音声認識のような入力に根ざした作業ならビームサーチが向くとされます。
次に見る比較
- G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
- ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
- 紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。
執筆: ミナト編集部（運営者情報を見る）