一句话定义：对比解码（Contrastive Decoding，简称 CD）是一种文本生成的解码策略——同时让一个强模型和一个弱模型预测下一个词，把两者的打分相减，用"差值"来决定最终输出。
它是怎么工作的
语言模型每生成一个词，都会先给词表里所有候选词打一遍分（logits，归一化后就是概率），再挑一个词吐出来。对比解码的巧思在于：同一个上下文，让"专家模型"（强模型）和"业余模型"（弱模型）各打一遍分，然后做减法：
分数 = log p(专家) − α · log p(业余)
逻辑是：凡是两个模型都觉得"理所当然"的词，多半属于语言的通用套路——套话、口头禅、重复上一句、含糊其辞的过渡词；而只有专家模型觉得合理、业余模型觉得一般的词，才是专家模型真正"多知道"的那部分。
打个比方：米其林主厨和普通食客一起尝菜。两人都说"有点咸"，说明这确实是客观的咸；只有主厨说"回温慢了三秒"，那才是他的专业增量。把普通食客也能得出的判断减掉，剩下的才值钱。
不过不能无脑相减。如果某个词专家模型自己就没把握，相减之后可能蹦出莫名其妙的怪词。所以实践里通常加一道"合理性约束"（adaptive plausibility constraint）：只在专家模型本来就认为足够靠谱的候选词里做减法，超出范围的直接屏蔽。
和几个容易混淆的概念比一比
| 概念 | 在做什么 | 与对比解码的关键差别 |
|---|---|---|
| 采样策略（temperature、top-k、top-p） | 从同一个模型的分布里挑词 | 只改"怎么挑"，分布不变；CD 改的是分布本身 |
| 蒸馏（AI 词典：Distillation">Distillation） | 让小模型去学大模型 | 发生在训练阶段；CD 是推理阶段两个模型一起跑 |
| 投机解码（Speculative Decoding） | 小模型打草稿、大模型验收 | 名字像，目的完全不同：那是为了快，CD 是为了内容质量 |
| 检索增强（RAG） | 从外部把资料喂进来 | RAG 是加法，CD 是减法 |
对从业者和普通职场人的意义
对工程侧来说，CD 是一种"不改模型、只改解码"的手段：它能明显压掉开放式生成里的套话和车轱辘话，让回答更具体、更有信息量，有时让一个小模型配上更小的对照模型，输出质量就上了一个台阶。代价是要同时跑两个模型，算力约等于翻倍——好在"业余模型"可以挑得很小，成本通常可控。
对使用者来说，它解释了一个反直觉的现象：模型输出不好，未必是模型不够大，也可能是"采样方式"让它在说废话。你在提示词里反复强调"别讲空话、给具体结论"，本质上就是在人工做一件 CD 用算法做的事。
它的边界也要说清楚：弱模型必须"弱得恰到好处"，太弱减不出信息，太强会把有用的内容一起减掉；而且它并不能自动治好幻觉——如果强模型自信地错、弱模型也陪着错，减法减不出正确答案。具体实现细节和参数设置，以相关论文与官方文档为准。