待验证50% 置信事实精确时间
温度是控制语言模型输出随机性的超参数，作用于logits，将logit除以温度T再经softmax归一化；T<1时分布更尖锐输出更确定，T>1时分布更平坦输出更随机
1
来源数
50%
置信度
长期有效
时效性
2026/10/7
首次发现
来源
涉及实体
相关事实
已验证大语言模型在生成每个token时从概率分布中采样，temperature参数控制随机性的强弱，temperature越高输出越多样，越低则越确定77% 相似待验证大语言模型（LLM）由于temperature、top-p、top-k等采样策略带有随机性，同一提示词在两次调用中可能产生截然不同的响应75% 相似待验证模型蒸馏的核心在于温度softmax函数的应用,通过温度参数T软化概率分布揭示类别间的相似性关系73% 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69% 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68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/985417API
curl https://kongchang.com/api/v1/knowledge/claims/985417MCP
get_claim(id=985417)