待验证50% 置信事实精确时间
top-p（核采样）等参数同样影响大模型输出的不确定性
1
来源数
50%
置信度
长期有效
时效性
2026/7/9
首次发现
来源
AI可见性仪表盘的陷阱：为何多数指标形同虚设
hackernewshackernews2026/7/7
相关事实
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73% 相似待验证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72% 相似待验证Coze的Top-P核采样机制是从最高概率的词开始累加，直到累积概率达到设定的P值，只从这些词中采样71% 相似待验证Top-p（核采样）通过动态截断概率质量限制候选词范围，相比固定截断 Top-k 具有更好的自适应性70% 相似待验证近似遗忘通过梯度上升等方法主动削弱特定数据对模型参数的影响，但效果难以量化验证66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/311966API
curl https://kongchang.com/api/v1/knowledge/claims/311966MCP
get_claim(id=311966)