Unverified50% confidenceTradeoffExact time
温度超参数τ越小分布越集中，模型对难负样本越敏感，但τ过小会导致梯度对异常值敏感、训练不稳定
1
Sources
50%
Confidence
Long-term
Relevance
7/16/2026
First Seen
Sources
Related Claims
Unverified灵敏度越高误报率也越高，两者存在天然矛盾；带温度补偿和多参数算法（连续采样确认）的机型能在保持灵敏度的同时降低误报，优于单纯调高灵敏度的廉价款76% similarUnverified温度参数越高，Softmax输出的概率分布越平坦，输出越富有创意和多样性；温度越低分布越尖锐，输出越确定保守74% similarUnverified对MoE模型的量化需要格外谨慎，因稀疏激活使专家参数数值分布集中，低比特量化易造成路由偏差导致能力退化74% similarUnverified部分模型存在针对测试集过度优化的风险，导致榜单分数与真实场景表现出现偏差（Benchmark饱和）72% similarUnverifiedTemperature 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72% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/527097API
curl https://kongchang.com/api/v1/knowledge/claims/527097MCP
get_claim(id=527097)