待验证50% 置信事实精确时间
Temperature=0时采用贪婪解码（Greedy Decoding），但由于GPU浮点运算（FP16/BF16精度）的非确定性，实际工程中仍无法保证完全一致的输出
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
Hermes Agent深度解析：自主进化的智能体架构与实战指南
bilibili九天Hector课程拆解2026/6/10
相关事实
已验证即便将Temperature设为0（贪婪解码），现代GPU的并行浮点运算顺序仍可能导致结果微小差异77% 相似待验证Temperature=0（贪心采样）也不能保证模型输出的确定性，至少有三个原因：浮点运算非结合性、MoE路由不确定性、服务端配置漂移70% 相似已验证即使将温度设为0，部分推理框架底层仍存在浮点计算的非确定性，导致跨硬件、跨批次的输出差异68% 相似已验证大语言模型的非确定性根源于其自回归采样过程，即便temperature设为0，不同推理框架、批处理大小和硬件浮点运算差异都可能导致输出漂移66% 相似待验证即使将temperature设为0，部分模型仍会因并行计算的浮点误差产生轻微输出波动66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/49275API
curl https://kongchang.com/api/v1/knowledge/claims/49275MCP
get_claim(id=49275)