已验证70% 置信事实时间未知
LLM的输出具有天然的非确定性，即使输入相同的Prompt，模型在不同时刻可能返回格式、内容甚至逻辑不同的结果
4
来源数
70%
置信度
长期有效
时效性
2026/6/2
首次发现
来源
Agent工程师薪资天花板：两个核心分水岭
bilibili朱老师AI课堂
涉及实体
相关事实
待验证LLM 的输出非确定性根源于自回归生成机制，即使输入相同，Temperature、Top-p 等采样参数也会导致不同输出81% 相似待验证LLM输出具有非确定性，同一输入在不同时间可能产生不同输出，因此评估流水线常用LLM-as-Judge方法用另一个强大模型评判目标模型输出质量78% 相似待验证在非确定性LLM系统中，即使使用相同的Prompt和参数，由于模型内部的采样机制（temperature、top-p等）、API版本更新或浮点运算精度差异，输出都可能不同76% 相似待验证LLM动态编排导致系统进入概率性运行模式，同一请求可能产生不同执行路径，与传统软件确定性行为形成根本区别74% 相似待验证LLM 输出具有概率性，同一规范在不同运行时可能产生截然不同的行为，因此AI Agent声明式规范更接近约束声明而非状态声明74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/36749API
curl https://kongchang.com/api/v1/knowledge/claims/36749MCP
get_claim(id=36749)