Temperature是采样温度参数，作用于模型输出logits后的softmax层。它通过缩放logits分布来调节概率分布的"尖锐度"：温度趋近0时分布越尖锐，模型几乎总是选概率最高的token；温度升高时分布越平坦，低概率token被选中的几率增加。 温度为0时输出近乎确定性（贪婪解码），适合代码生成、数学计算、事实问答等需要稳定准确的任务；温度在0.7-1.0之间适合创意写作、对话、头脑风暴；超过1.2则可能出现胡言乱语。 温度常与top_p、top_k配合使用。理解温度对生成质量的影响，是调优模型行为、平衡"准确性"与"创造性"的关键手段。