17 · Temperature · 变爻调节之道
一、它解决什么问题？
概率分布有了，所有词都有了概率。 但如果直接选最高概率词，会发生什么？ 输出永远一样，像背课文，毫无变化。 Temperature 的作用：
二、Temperature 怎么工作？
本质是在 Softmax 函数里加入一个除数：
- ● $$T$$ 越小 → 分布越尖锐 → 高概率词更突出
- ● $$T$$ 越大 → 分布越平坦 → 低概率词也有机会
三、不同 Temperature 的效果
| Temperature | 分布形状 | 输出特点 | 适合场景 |
|---|---|---|---|
| = 0 | 极度尖锐 | 完全确定，永远选最高概率词 | 代码、数学、事实查询 |
| 0.3 | 较尖锐 | 保守稳定 | 客服、摘要、公文写作 |
| 0.7 | 适中 | 平衡创意与稳定 | 日常对话、通用场景 |
| 1.0 | 原始分布 | 不做任何调整 | 基准测试、学术研究 |
| 1.5+ | 平坦 | 随机性高，有惊喜也有混乱 | 写诗、创意写作、头脑风暴 |
四、易经映射
| 心态 | Temperature |
|---|---|
| 只信最旺之象，不接受变数 | = 0 |
| 平常心，顺势而为 | ≈ 0.7 |
| 广开卦象，拥抱变数 | ≥ 1.5 |
五、一句话记住
Temperature 不改变哪些词存在， 只改变每个词被选中的可能性。
补充学习：Temperature 实际应用指南
常见大模型默认值：
- GPT 系列默认 0.7
- Claude 系列默认 0.8
- DeepSeek 系列默认 0.6
极端值注意事项：
- T > 2 时，概率分布过度平坦，输出可能完全混乱无意义
- T = 0 时，输出完全可复现，同一个输入永远得到同一个输出，适合需要确定性的场景
产品中的应用： 各大AI产品里的「创意模式/平衡模式/精确模式」，本质上就是切换不同的 Temperature 值，不需要用户理解技术参数，直接按场景选择即可。
扩展理解1：Temperature 的直观效果对比
以输入"写一句关于春天的诗"为例，不同T值的输出效果：
| T值 | 输出示例 | 特点 |
|---|---|---|
| 0 | 春眠不觉晓，处处闻啼鸟。夜来风雨声，花落知多少。 | 直接输出训练数据里最常见的古诗，完全没有原创性 |
| 0.3 | 春风拂柳绿江南，细雨润物百花繁。燕舞莺歌山水秀，人间三月正斑斓。 | 工整稳定，但创意不足，用词比较常规 |
| 0.7 | 风把三月的阳光揉成软绵的诗行，柳梢蘸着春水写满温柔的诗行。每一朵桃花绽开的声音，都是春天写给世界的情书。 | 平衡创意和通顺，既有新意又符合逻辑 |
| 1.5 | 三月打碎了阳光的酒盏，漫山遍野流淌着金色的醉意。风拎着花的裙摆跑过山坡，把整个季节都酿成了一首会呼吸的诗。 | 创意十足，有惊喜的比喻，但偶尔会有不通顺的地方 |
| 2.5 | 春天的阳光纽扣扣住了风的衣角，蝴蝶驮着云朵的梦在花瓣上跳踢踏舞，雨滴敲着玻璃琴弹响了彩虹的旋律。 | 想象力过于发散，逻辑混乱，难以理解 |
扩展理解2：与采样策略的配合使用
Temperature需要和采样策略配合才能达到最佳效果，常见组合推荐：
| 场景 | Temperature | 采样策略 | 效果 |
|---|---|---|---|
| 代码生成 | 0.1-0.3 | Top-K=1（贪心采样） | 稳定准确，减少语法错误 |
| 知识问答 | 0.2-0.4 | Top-p=0.1 | 事实准确，减少幻觉 |
| 日常对话 | 0.6-0.8 | Top-p=0.9 | 自然流畅，有适当变化 |
| 创意写作 | 1.0-1.5 | Top-p=0.95 | 富有创意，有惊喜表达 |
| 头脑风暴 | 1.2-1.8 | Top-K=50 | 发散性强，提供更多可能性 |
扩展理解3：常见误区澄清
❌ 误区：Temperature越高，创意越好 ✅ 真相：创意和混乱只有一线之隔，超过1.8之后大部分输出会变成胡言乱语，适合的才是最好的。
❌ 误区：调Temperature就能解决所有问题 ✅ 真相：Temperature只是控制随机性，内容质量还是取决于模型本身的能力和Prompt的质量。Temperature高不代表模型会变"聪明"，只是会选更低概率的词。
❌ 误区：所有场景都用默认值就好 ✅ 真相：不同任务对随机性的要求天差地别，做数学题用T=1.5肯定会出错，写诗歌用T=0肯定会呆板。根据场景调整参数才能得到最好效果。
扩展理解4：底层逻辑的哲学思考
Temperature的本质，是人类对"确定性"和"可能性"的权衡：
- 追求确定 → 压低T，得到稳定可控的结果
- 探索可能 → 升高T，拥抱不确定性带来的惊喜
这和人类做决策的逻辑完全一致：做严谨的工作时求稳，做创造性的工作时求变。Temperature这个简单的参数，背后藏着的是人类面对世界的两种心态。