待验证50% 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
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
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% 相似待验证蒙特卡洛方法的核心思想是对难以用解析公式求解的问题通过大量随机采样来估计其概率分布或期望值69% 相似已验证大语言模型在生成每个token时从概率分布中采样，temperature参数控制随机性的强弱，temperature越高输出越多样，越低则越确定68% 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)