已验证65% 置信事实精确时间
语言模型采样过程中的温度参数设计使同一提示在不同调用中可能产生截然不同的输出，因此重试本身并不保证收敛
3
来源数
65%
置信度
长期有效
时效性
2026/7/20
首次发现
来源
相关事实
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79% 相似已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79% 相似已验证LLM的不一致性与模型的温度参数和随机采样过程密切相关，同一问题多次调用同一模型可能产生不同答案77% 相似待验证大语言模型输出的非确定性源于 Transformer 解码阶段的随机采样机制，采样温度、Top-P 等参数决定每次生成内容可能不同76% 相似待验证大模型的工具选择行为并非完全确定性的，在不同温度参数、上下文长度或系统提示下可能对同一问题产生不同的工具调用决策74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/567843API
curl https://kongchang.com/api/v1/knowledge/claims/567843MCP
get_claim(id=567843)