Temperature：控制AI的创造力
一个参数，决定AI是"保守派"还是"疯狂派"
你有没有发现，同样一个问题，有时候AI回答得很稳，有时候又很"放飞"？
比如你问："天为什么是蓝色的？"
稳重版本："天空呈现蓝色是因为瑞利散射。太阳光穿过大气层时，波长较短的蓝光被空气分子散射得更厉害，所以我们看到的天空是蓝色的。"
放飞版本："想象一下，天空其实是宇宙的一面镜子，它吸收了大海的忧郁，折射出那抹深蓝。科学家说这叫瑞利散射，但我更愿意相信，这是大自然给我们的诗意馈赠……"
同样的模型，为什么输出差异这么大？
答案就在一个参数：Temperature（温度）。
1Temperature 的定义
Temperature（温度）是控制AI生成文本"随机性"的参数。它的取值范围通常是 0 到 2，默认值一般是 1。
AI几乎总是选择概率最高的词。输出非常确定、稳定、可预测。
特点：
• 同样的问题，几乎总是得到同样的回答
• 内容偏向"标准答案"
• 很少有意外或创意
适合：事实查询、代码生成、需要稳定输出的场景
AI按照原始概率分布选词。有一定随机性，但不太离谱。
特点：
• 同样的问题，可能得到略有不同的回答
• 内容有适当变化
• 平衡了确定性和多样性
适合：日常对话、通用问答、平衡场景
AI可能选择概率很低的词。输出非常随机、不可预测、可能很"放飞"。
特点：
• 同样的问题，可能得到非常不同的回答
• 内容可能很创意，也可能很离谱
• 可能出现语法错误或逻辑混乱
适合：创意写作、头脑风暴、需要意外惊喜的场景
2Temperature 的工作原理
要理解温度如何工作，我们需要看看AI是怎么选词的。
Step 1：AI预测每个词的概率
假设AI要预测"今天天气很___"的下一个词。它会给每个可能的词一个概率分数：
好
45%
不错
25%
差
15%
糟糕
5%
还有其他词（美丽、炎热、寒冷……）各占较小概率
Step 2：温度调整概率分布
温度会对原始概率进行"拉伸"或"压缩"：
Temperature = 0.1
→ 概率被"尖峰化"，几乎只选"好"
Temperature = 1
→ 保持原始分布
Temperature = 2
→ 概率被"平滑化"，各词概率接近
Step 3：根据调整后的概率采样
AI根据调整后的概率随机选择一个词。温度低时，大概率词几乎必选；温度高时，任何词都有可能被选中。
🔧 技术细节
温度的数学公式是对softmax函数的调整：
softmax(x/T) = exp(x/T) / Σexp(x/T)
T（温度）越低，exp(x/T)的差异越大，概率分布越"尖锐"；T越高，差异被缩小，分布越"平滑"。
3不同场景的温度选择
事实查询、代码生成
需要稳定、准确、可重复的输出。比如问"Python的list怎么排序"、写代码、回答数学题。
例子："请写一个Python函数，计算斐波那契数列第n项"
日常对话、翻译、总结
需要一定的稳定性，但也希望有自然的变化。比如聊天、翻译文章、总结文档。
例子："请帮我总结这篇文章的核心观点"
创意写作、故事生成
需要更多变化和创意。比如写小说、写诗、创作广告文案。
例子："写一个关于未来城市的科幻短篇"
头脑风暴、实验性创作
需要大量意外和惊喜。比如创意头脑风暴、实验性写作、获取灵感。
例子："给我10个颠覆性的产品创意"
4温度与Top-k、Top-p的配合
温度不是唯一影响采样方式的参数。它通常和 Top-k、Top-p 配合使用。
🌡️ Temperature
作用：调整概率分布的"形状"
温度改变概率的相对差异，但不改变候选词的数量。
控制："我有多大概率选低概率词？"
✂️ Top-k
作用：只保留概率最高的k个词
不管其他词概率多高，直接排除。是一种"硬截断"。
控制："我最多考虑多少个候选词？"
📊 Top-p
作用：保留累计概率达到p的词
候选词数量不固定，根据概率分布动态调整。
控制："我保留多少'可信'的候选词？"
💡 实践建议
三者通常一起使用，执行顺序是：
常见组合：Temperature=0.7, Top_p=0.9, Top_k=50
5使用温度的注意事项
⚠️ 注意1：温度=0不代表完全确定
温度接近0时，AI几乎总是选概率最高的词。但如果多个词概率完全相同，还是会有随机性。而且有些API可能不允许温度=0，会自动调到很小的正数。
→ 如果需要完全确定性输出，考虑用种子(seed)参数
⚠️ 注意2：高温度可能导致质量问题
温度太高（比如>1.5），AI可能选择概率很低的词，导致输出不连贯、语法错误甚至完全无意义。
→ 温度不是越高越好，要找到平衡点
⚠️ 注意3：不同API的温度范围可能不同
OpenAI的GPT系列温度范围是0~2，但其他模型可能不同。有些模型温度上限是1，有些可能更高。
→ 使用前查看具体API的文档
⚠️ 注意4：温度不是"创意开关"
高温只是增加了"随机性"，不等于"更有创意"。创意还取决于Prompt质量、模型能力、上下文等多种因素。
→ 高温度+好Prompt = 可能有好创意；高温度+差Prompt = 可能是胡言乱语
6核心总结
🎓 一句话总结
- ①定义：温度控制AI生成文本的随机性，0最保守，越高越随机
- ②原理：温度调整概率分布——低温"尖峰化"，高温"平滑化"
- ③场景匹配：T=0~0.3适合事实/代码；T=0.5~0.8适合对话；T=1+适合创意
- ④配合使用：温度与Top-k、Top-p配合，共同控制采样策略
- ⑤注意事项：温度=0仍有微小随机，高温可能降质量，不是万能创意开关
→下一篇预告
👉 下一篇：Top-k采样
温度控制"怎么选"，但"从哪些词里选"呢？Top-k采样就是解决这个问题的——它只保留概率最高的k个词，把其他词直接排除。为什么这样设计？k选多少合适？下一篇我们来详细讲解。
✏️ 手绘图解 · AI Catch 出品
第 44 篇 / 共 84 篇 · 第五阶段：LLM高级技巧