待验证50% 置信事实精确时间
在自回归生成模型中，网络每一步输出一个覆盖整个词表的实数向量（logits），经 softmax 得到下一个 token 的概率分布，再由温度采样、top-k、top-p 等采样策略决定实际输出。
1
来源数
50%
置信度
长期有效
时效性
2026/10/24
首次发现
来源
不用微调，实时Jam：预训练音乐Transformer的采样控制术
redditr/MachineLearning2026/10/24
涉及实体
相关事实
待验证模型对所有Token计算原始得分Logit后，通过Softmax函数将得分归一化为概率分布，所有Token的概率之和等于175% 相似待验证在一次单步去噪步骤中，模型对每个答案槽位直接读出概率分布，而不是逐 token 采样生成75% 相似待验证解码策略指模型在生成每个 token 时如何从概率分布中选择输出，常见策略包括贪婪解码、束搜索、温度采样、top-k 采样与核采样等。73% 相似待验证在自回归语言模型中，logits 是模型对词表中每个 token 给出的未归一化分数，softmax 之后才变成概率。71% 相似待验证大模型推理的核心机制是不断预测下一个词的概率，通过Softmax函数将原始得分转化为总和为1的概率分布71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1093169API
curl https://kongchang.com/api/v1/knowledge/claims/1093169MCP
get_claim(id=1093169)