已验证65% 置信事实精确时间
LLM生成每个token时根据温度参数从概率分布中随机采样，而非选择概率最高的确定性输出，从而产生涌现性
3
来源数
65%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
相关事实
待验证LLM基于Transformer架构的自注意力机制和Softmax概率分布，通过温度参数控制采样随机性，温度趋近0时输出最高概率token，温度升高时引入更多随机性82% 相似部分验证LLM采用自回归生成机制，每一步仅根据概率分布采样下一个token81% 相似待验证LLM output is inherently stochastic, controlled by sampling parameters like temperature.81% 相似待验证LLM可通过分析输出token的对数概率分布、思维链末尾自我评估、温度采样统计答案分布熵值等手段近似估计决策置信度79% 相似待验证在LLM引用行为测试中固定随机性需要同时设置temperature和top-p参数并在支持时固定随机种子79% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/502737API
curl https://kongchang.com/api/v1/knowledge/claims/502737MCP
get_claim(id=502737)