已验证65% 置信事实精确时间
temperature为0时退化为贪婪解码，每步选取概率最高的Token，但仅能保证单次模型版本内的确定性
3
来源数
65%
置信度
长期有效
时效性
2026/7/8
首次发现
来源
并非一切都值得消耗Token：何时用AI，何时用确定性代码
hackernewshackernews2026/7/6
相关事实
待验证temperature 为 0 时退化为贪婪解码（Greedy Decoding），每步选取概率最高的 Token85% 相似已验证temperature参数对Logits向量进行缩放，temperature为0时退化为贪婪解码81% 相似待验证Doom Loop在温度参数较低的采样策略下更容易出现，温度趋近0时模型几乎总选择概率最高的token（贪心解码）78% 相似待验证温度参数（Temperature）的数学本质是对Softmax函数输出的概率分布进行缩放，趋近于0时模型进行贪心解码77% 相似待验证temperature是控制模型输出概率分布平坦程度的超参数，值为0时对同一输入始终产生相同输出75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/231789API
curl https://kongchang.com/api/v1/knowledge/claims/231789MCP
get_claim(id=231789)