待验证50% 置信事实精确时间
智能体的行为具有不确定性，即使使用相同的prompt和temperature=0设置，同一模型在不同时间点的输出也可能存在细微差异，受浮点运算精度、批处理策略、模型版本更新等因素影响
1
来源数
50%
置信度
长期有效
时效性
2026/9/6
首次发现
来源
涉及实体
相关事实
待验证由于模型工具选择受上下文窗口内容、温度参数、推理链路等因素影响，相同输入在不同运行中可能产生不同的调用序列，这种非确定性是Mock难以覆盖的根本原因76% 相似待验证模型版本更新后，其注意力分配机制、温度敏感度和指令解析方式可能变化，导致原有提示词策略失效76% 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76% 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74% 相似待验证LLM调用具有天然的不确定性，相同的输入可能产生不同的输出，Token消耗和延迟波动较大，Agent的推理路径难以预测73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/864557API
curl https://kongchang.com/api/v1/knowledge/claims/864557MCP
get_claim(id=864557)