待验证50% 置信事实精确时间
temperature 为 0 时退化为贪婪解码（Greedy Decoding），每步选取概率最高的 Token
1
来源数
50%
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
已验证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85% 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76% 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）70% 相似待验证温度参数通过对 softmax 层的 logits 进行缩放来控制概率分布的尖锐程度，温度趋近于0时接近贪心解码70% 相似待验证温度是一个0到2之间的超参数，控制回答的随机性与创造性，低温(0.1-0.3)适合编程数学客服，高温(0.8-1.5)适合头脑风暴写作67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/252244API
curl https://kongchang.com/api/v1/knowledge/claims/252244MCP
get_claim(id=252244)