已验证80% 置信事实精确时间
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
32
来源数
80%
置信度
长期有效
时效性
2024/12/21
首次发现
来源
零代码用AI搭建SaaS网站：Bolt+Cursor全流程实战拆解
bilibiliAI进修生2024/12/21
涉及实体
相关事实
已验证AI大语言模型输出的随机性源于温度（Temperature）参数与采样策略，模型生成每个Token时本质上是在做概率采样84% 相似待验证大语言模型输出本质上是概率性的，采样温度（Temperature）、Top-P 等参数使模型每次生成内容可能不同，是软件测试的挑战83% 相似待验证Large language models use probability-based sampling strategies during text generation, where hyperparameters like temperature and top-p determine the degree of randomness in output.80% 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80% 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78% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1358API
curl https://kongchang.com/api/v1/knowledge/claims/1358MCP
get_claim(id=1358)