待验证50% 置信事实精确时间
LLM推理具有随机性（受Temperature参数控制），且外部工具调用返回值随时间变化，因此完美的确定性回放需同时录制所有LLM响应和工具返回值
1
来源数
50%
置信度
长期有效
时效性
2026/8/31
首次发现
来源
涉及实体
相关事实
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77% 相似待验证LLM output is inherently stochastic, controlled by sampling parameters like temperature.76% 相似待验证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74% 相似已验证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74% 相似待验证LLM本质上是在做下一个token的概率预测，即便温度参数设为0，面对复杂的多步骤指令时，模型仍会受到注意力机制的影响74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/832479API
curl https://kongchang.com/api/v1/knowledge/claims/832479MCP
get_claim(id=832479)