温度参数

换成大白话

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。

它通常在什么场景出现

这个术语常见于模型选择、训练与微调、推理与部署、评测或产品功能说明等场景；当你遇到“温度参数”时，多半是在讨论模型行为、处理方式或指标口径。

具体出现在哪类场景，可以用下方“跨库查找”搜索包含该概念的模型、训练、评测或产品资料。

容易混淆的地方

不要把“温度参数”理解成模型本身的能力或在某个榜单上的具体名次；它更多是描述一种机制、一种处理方式或一个指标口径，而不是模型实力的绝对结论。