已过期65% 置信事实精确时间
模拟退火算法是一种源自统计力学的随机优化算法，通过引入温度参数控制搜索过程中接受劣解的概率，理论上具有全局收敛性保证
3
来源数
65%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30(已过期)
来源
Codex搭建冷链物流优化科研项目：从零到PDF论文全流程实战
bilibili哈士奇哈哈也是奇2026/6/13
相关事实
已验证AI大语言模型输出的随机性源于温度（Temperature）参数与采样策略，模型生成每个Token时本质上是在做概率采样74% 相似待验证模型蒸馏的核心在于温度softmax函数的应用,通过温度参数T软化概率分布揭示类别间的相似性关系71% 相似已验证大语言模型基于Transformer架构，其输出本质上是概率采样过程，由Temperature参数控制采样随机性71% 相似待验证贝叶斯优化基于概率代理模型（通常为高斯过程）建模历史实验结果，在探索与利用之间智能权衡，通常能以更少实验次数找到接近最优的参数配置70% 相似待验证常见的后校准技术包括温度缩放（Temperature Scaling）、Platt Scaling 和等渗回归（Isotonic Regression），通过在独立验证集上拟合修正函数将原始输出重新映射为更可靠的概率估计而无需重新训练模型69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/47735API
curl https://kongchang.com/api/v1/knowledge/claims/47735MCP
get_claim(id=47735)