已验证65% 置信事实精确时间

temperature参数对Logits向量进行缩放，temperature为0时退化为贪婪解码

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

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81% 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81% 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80% 相似已验证大模型的温度参数（Temperature）取值范围通常为0到2，温度越低输出越确定和保守，温度越高输出越多样和富有创造性78% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/258644

API

curl https://kongchang.com/api/v1/knowledge/claims/258644

MCP

get_claim(id=258644)