待验证50% 置信事实精确时间
温度参数、top-k 采样、nucleus 采样等生成策略都是对概率分布进行调控的手段
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
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75% 相似已验证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74% 相似待验证传统控制模型多样性的方法是通过调整温度、Top-p等采样参数74% 相似待验证在LLM引用行为测试中固定随机性需要同时设置temperature和top-p参数并在支持时固定随机种子72% 相似待验证LLM本质上是在做下一个token的概率预测，即便温度参数设为0，面对复杂的多步骤指令时，模型仍会受到注意力机制的影响72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/897040API
curl https://kongchang.com/api/v1/knowledge/claims/897040MCP
get_claim(id=897040)