待验证50% 置信事实精确时间
自回归生成的输出受采样策略（temperature、top-p 等超参数）影响，难以保证完全一致的输出
1
来源数
50%
置信度
长期有效
时效性
2026/9/27
首次发现
来源
涉及实体
相关事实
待验证Top-p（核采样）通过限定候选token的累积概率范围来控制输出多样性，与Temperature配合使用可实现更精细的输出调节74% 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73% 相似已验证LLM的非确定性来源于采样策略，Temperature参数控制输出分布的随机程度，Top-p和Top-k进一步约束候选Token范围73% 相似待验证top-p（核采样）等参数同样影响大模型输出的不确定性72% 相似待验证Temperature 控制采样分布的平坦程度，值越高越倾向选择低概率词汇；Top-p 通过累积概率阈值动态收窄候选词汇集合69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/954240API
curl https://kongchang.com/api/v1/knowledge/claims/954240MCP
get_claim(id=954240)