LLM Temperature 参数详解:它如何影响模型输出?
_jaydeepkarale · x · 2026-08-13
推文解释了调用 LLM API 时常见的 temperature 参数的实际作用。模型预测下一个 token 时会生成一个概率分布(例如预测法国首都时,巴黎的概率为 92%)。temperature 的作用就是在选择 token 前修改这个分布:低温会锐化分布,让高概率词主导,输出更稳定可预测;高温则平滑分布,提升低概率词被选中的几率,从而增加随机性。
「研究」频道最新
- 新基准专为AI同行评审设计,精准评估学术能力 — ChenhaoTan · 2026-08-13
- 机制干涉量度:用因果微积分验证大模型模块化 — doodlestein · 2026-08-13
- micro1高管探讨AI世界模型的核心见解 — Exp_Mark · 2026-08-13
- LinkedIn自进化客服Agent实测:路由准确率提升超30% — davemccollough · 2026-08-13
- Google 提出 ResidencyRL:让 AI 像人类医生一样「临床实习」 — SRSchmidgall · 2026-08-13
- AI for Science:使用 Evo 2 等模型设计 mRNA 序列 — BrianHie · 2026-08-13