T
Temperature(温度)
一句话理解
控制 AI 说话“稳”还是“浪”的旋钮——调低它,AI 的回答保守可靠;调高它,回答更有创意,但也更容易跑偏。
定义
Temperature(温度)是控制模型输出随机性的参数,通常在 0 到 2 之间,常见默认值 0.7 左右。数值越低,模型每次都倾向选最稳妥的词,输出越固定;数值越高,越愿意尝试冷门的表达,输出越发散。
你会在哪遇到它
自己调 API 或用本地模型工具时会看到这个滑块;同一句话问 AI 十遍、答案每次都不一样,就是温度在起作用;做客服机器人想让它每题答得一致,把温度调低;写文案想要多个不同风格的版本,把温度调高。
背后的原理
模型每生成一个词,都会给一批候选词打分(概率)。温度决定怎么用这些分数:低温时,低分词几乎没机会被选中,输出确定、可复现;高温时,低分词也有机会冒出来,输出多样、有创意,但用错词的概率也跟着上升。
和相近概念的区别
1 与 Top-P:都是控制随机性的旋钮,Top-P 从“候选词池子大小”角度控制,温度从“打分松紧”角度控制,一般只调其中一个。 2 与最大输出长度:长度管“说多少”,温度管“怎么说”,互不相干。 3 与随机种子:把种子固定、温度设为 0,输出基本可以复现,适合做对比测试。
常见误区
1 温度越高越聪明——不是,高温度只是更随机,模型的知识量没变。 2 调温度能减少幻觉——不能,幻觉是模型本身的局限,降温只能让它编得稳定一些。 3 默认值就是最优——不同任务最优值不同,总结提取类调低,创意写作调高。
所属分类使用技巧
更新时间2026-11-20 10:02
浏览量1
点赞0
每个 IP 仅可点赞一次 · 点赞后不可取消

暂无评论,来发表第一条评论吧!