待验证50% 置信事实精确时间
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）
1
来源数
50%
置信度
长期有效
时效性
2026/7/9
首次发现
来源
FTPO：从训练层面根治AI重复循环的新方案
hackernewshackernews2026/7/7
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78% 相似已验证温度（temperature）参数控制采样过程，温度越高输出越随机多样，温度越低越趋向最高概率的选择72% 相似待验证在测试场景中通常需要将Temperature调至较低值（如0.1-0.2）并配合固定随机种子以保证输出可复现性72% 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72% 相似已验证温度（Temperature）参数控制 LLM 输出的随机性，代码生成场景通常建议使用较低温度值（如 0.1）以获得更确定和保守的结果。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/396328API
curl https://kongchang.com/api/v1/knowledge/claims/396328MCP
get_claim(id=396328)