应用场景：机器翻译
与language model 不同
MT model 的a<0> 是由encoder 生成的。
language model 的 a<0> 是 初始化的。
greedy search
为什么不用 greedy search ?
Beam Search
B=3 的意思是，每次greedy search 选出3个词，然后在根据当前3个词，分别生成下一个词，下一个词也生成3个 循环下去。
Beam Search 改进
都是概率，很小的概率相乘，值更小，很多0的，影响精度，不如取个log,
取完log 还有一个问题，这样单纯的概率相乘是倾向于生成短句子的。
因为短句子的概率是最大的。单词越多 概率越小。
所以归一化 ，除以tg的a次方
当a==0 :其实是没有归一化的。
a==1：完全取决于长度。
a 是一个超参数。
beam search 虽然快，但是不能保证结果是正确（概率最大）的。
Beam search 的误差
我们通过分析，要判断是rnn encoder 的误差 还是 beam search 的误差，从而决定如如何去改进。
rnn 产生的误差，我们就改善网络。
beam search 的误差，我们可以加大B.
