待验证50% 置信事实精确时间
温度是给 logits 除以一个系数后再做 softmax，改变整个分布的陡峭程度；top-p 是先按概率从高到低累加，截断到累积概率达到 p 为止，把长尾之外的低概率 token 从候选集中剔除，再在剩余集合内重新归一化并采样。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证Top-p（核采样）通过限定候选token的累积概率范围来控制输出多样性，与Temperature配合使用可实现更精细的输出调节75% 相似已验证Temperature 控制采样分布的平坦程度，值越高越倾向选择低概率词汇；Top-p 通过累积概率阈值动态收窄候选词汇集合74% 相似待验证解码随机性中提到的采样包括temperature缩放、top-k和top-p，目的是避免输出呆板重复，但代价是低概率token偶尔被选中，错误可能被合理化地延续。69% 相似已验证LLM的非确定性来源于采样策略，Temperature参数控制输出分布的随机程度，Top-p和Top-k进一步约束候选Token范围67% 相似待验证调低temperature参数并配置no_speech_threshold和logprob_threshold可降低模型在不确定片段时的幻觉66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1029978API
curl https://kongchang.com/api/v1/knowledge/claims/1029978MCP
get_claim(id=1029978)