待验证50% 置信事实精确时间
LLM 的输出非确定性根源于自回归生成机制，即使输入相同，Temperature、Top-p 等采样参数也会导致不同输出
1
来源数
50%
置信度
长期有效
时效性
2026/7/17
首次发现
来源
相关事实
已验证LLM的输出具有天然的非确定性，即使输入相同的Prompt，模型在不同时刻可能返回格式、内容甚至逻辑不同的结果81% 相似待验证在非确定性LLM系统中，即使使用相同的Prompt和参数，由于模型内部的采样机制（temperature、top-p等）、API版本更新或浮点运算精度差异，输出都可能不同77% 相似待验证LLM输出具有非确定性，同一输入在不同时间可能产生不同输出，因此评估流水线常用LLM-as-Judge方法用另一个强大模型评判目标模型输出质量77% 相似已验证LLM的不一致性与模型的温度参数和随机采样过程密切相关，同一问题多次调用同一模型可能产生不同答案76% 相似已验证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75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/541393API
curl https://kongchang.com/api/v1/knowledge/claims/541393MCP
get_claim(id=541393)