已验证75% 置信事实精确时间

大模型温度参数（temperature）通过将logits除以温度值后再做softmax归一化来调节输出概率分布的平坦程度

5

来源数

75%

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

AI时代普通人为什么要学Python？从使用者到驾驭者的进阶之路

bilibiliCode老猫2026/6/26

相关事实

待验证温度参数（Temperature）的数学本质是对Softmax函数输出的概率分布进行缩放，趋近于0时模型进行贪心解码80% 相似已验证大模型的温度参数（Temperature）取值范围通常为0到2，温度越低输出越确定和保守，温度越高输出越多样和富有创造性79% 相似已验证温度（Temperature）参数控制 LLM 输出的随机性，代码生成场景通常建议使用较低温度值（如 0.1）以获得更确定和保守的结果。78% 相似待验证温度参数通过对 softmax 层的 logits 进行缩放来控制概率分布的尖锐程度，温度趋近于0时接近贪心解码77% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/61352

API

curl https://kongchang.com/api/v1/knowledge/claims/61352

MCP

get_claim(id=61352)