Unverified50% confidenceBenchmarkExact time
自洽性投票通常使用temperature 0.7-1.0进行多次高温采样，在GSM8K等数学推理基准上能带来高达17.9个百分点的准确率提升
1
Sources
50%
Confidence
Long-term
Relevance
7/18/2026
First Seen
Sources
Related Claims
Unverified自洽性做法是对同一问题进行多次高温采样（temperature通常设为0.7-1.0），再用多数投票选出频率最高的结果79% similarUnverified恒温精度标称±2℃，实际保温阶段温度波动在可接受范围，但对追求±1℃精准控温的用户来说不够精细72% similarUnverified温度精度需达±0.5℃、湿度精度±3%RH以上才有育儿参考价值，普通家用款多为±1℃/±5%RH，容易造成判断偏差70% similarVerified温度（Temperature）参数控制 LLM 输出的随机性，代码生成场景通常建议使用较低温度值（如 0.1）以获得更确定和保守的结果。68% similarUnverified温度是一个0到2之间的超参数，控制回答的随机性与创造性，低温(0.1-0.3)适合编程数学客服，高温(0.8-1.5)适合头脑风暴写作68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/548647API
curl https://kongchang.com/api/v1/knowledge/claims/548647MCP
get_claim(id=548647)