一句话定义
解码头（LM Head）是语言模型最末端的一个线性层，它把 Transformer 最后一层输出的高维隐状态（hidden state）映射成"整个词表上的分数"，从而决定下一个 token 该是哪个词。
它到底做了什么
Transformer 跑完所有层之后，每个位置都会留下一个向量，维度常常是几千。这个向量是模型自己的"私密语言"，人类读不懂。解码头的作用就是当翻译。
它的核心是一块权重矩阵：行数等于词表大小（vocabulary size，词表越大行越多，通常几万起），列数等于隐状态维度。用一个矩阵乘法，把一个几千维的向量变成一组几万维的分数，这组分数叫 logits——词表里每个词都有一个分数。再经过 softmax 归一化，就得到一份概率分布：某个词 62%，某个词 8%，其余词分掉剩下的。
打个比方：公司开完一场长会，最后一间会议室里坐着一屋子人，人人心里有想法，但都说不出口。解码头就是那个拿话筒的主持人，把词表里所有候选词请上台逐个打分，谁分高谁被念出来。它不负责"想",只负责"念"。
和相邻概念的区别
| 概念 | 作用方向 | 干什么 |
|---|---|---|
| 输入嵌入层（AI 词典：Embedding">Embedding） | 词 ID → 向量 | 把词喂进模型 |
| 解码头（LM Head） | 向量 → 词表分数 | 把词吐出来 |
| 采样策略（Sampling） | 分数 → 具体选谁 | 温度、top-k、top-p 等 |
三者容易混。首先，解码头和输入嵌入层方向相反，但很多模型让两者共享同一个权重矩阵（叫 weight tying，权重共享），省参数也更稳，这是常见做法而非必然。其次，解码头只给出"全部候选词的分数表"，至于怎么挑——取最高分、按概率抽、还是加温度让结果更随机——那是采样策略的事，发生在解码头之后。
对从业者的意义
第一，参数量和成本。这层的参数是"词表大小 × 隐藏维度"，往往是模型里最大的单个矩阵之一。多语言模型词表更大，这一层就更吃显存和算力，推理时的 softmax 开销也更大。
第二，微调时它常常要动。如果换了领域、加了特殊 token，解码头通常需要跟着训练；很多参数高效微调方法则选择冻结它。
第三，拿到 logits 就有很多事可做：约束解码（只允许输出合法 JSON 的字段名或纯数字）、算置信度、把生成模型当分类器用（比较几个候选答案的分数）。
一句话收尾：解码头本身不"理解"语言，真正的语义在上游各层积累，它只是一个翻译器加记分牌。至于维度、词表大小和是否共享权重，各家实现不同，以你所用模型的官方代码和文档为准。