使用各种大语言模型时，基本都会有一个可以调整的参数 温度（Temperature），温度参数在大语言模型中起着关键的调节作用，对生成文本的特性有着重要的影响。本文尝试简单直白的方式重新认识一下 温度（Temperature）这个参数的原理和使用场景。
简化的语言描述方式，对于技术细节来说肯定是不严谨的，但是大部分情况下，对于应用开发或者产品设计已经足够，我们并不需要了解所有的细节，只需要知道基本的原来，能帮助我们做决策就好。
在大语言模型中，温度参数对模型生成文本时的概率分布起着关键的调整作用。大型语言模型（如 GPT 系列）在预测下一个词时，实际上是在计算一个概率分布，这个分布覆盖了词汇表中的每一个词。
温度参数通常通过添加一个标量乘以 softmax 函数的输出来实现，对这个概率分布进行调整。温度低，让概率分布更加尖锐，增加高概率事件的概率，同时降低低概率事件的概率。这会使模型在生成文本时倾向于选择更确定、更常见的词汇，从而生成的文本看起来更加流畅和合理，但可能牺牲一些创意和多样性。例如，在进行数据分析报告的撰写时，低温度可以确保生成的文本准确地描述数据趋势和结论，避免出现不恰当或不准确的词汇。温度高，让概率分布更加平坦，减少高概率事件的概率，同时提高低概率事件的概率。这种调整让模型在生成文本时更愿意冒险，尝试新颖或不常见的词汇组合，从而增加文本的多样性和创新性，但同时也可能降低文本的连贯性和合理性。比如在创意写作中，高温度可以激发模型创造出独特的情节和表达方式。
你期望这句话的完成方式是什么—— The cat sat on the _____我想我们大多数人会想到垫子，其次是其他可以坐的地方，比如porch、floor等，而不是sky。假设我们将其输入到文本生成模型，softmax 概率分布如下 ：| token | prob |
|---|
| mat | 0.6 |
| floor | 0.2 |
| porch | 0.1 |
| car | 0.05 |
| bus | 0.03 |
| sky | 0.02 |
如果将温度设置为 0，那么模型最有可能返回的句子完成情况将是 The cat sat on the mat但是当我们将温度设置为一个较高的数字时，我们可能会让模型给出的输出为 The cat sat on the sky 原因，然后 softmax 输出的概率分布会被人为地扭曲，从而生成可能性较小的标记。根据问题的背景，这可能是好事也可能是坏事。
想象你正在和朋友玩一个猜词游戏，你需要根据已有的提示猜下一个词。如果游戏的 “温度” 设置得低，那就好比你非常谨慎，总是选择最安全、最明显的答案。这样玩游戏虽然稳妥，但有时候可能会显得有点无聊，因为你总是走老路。例如，在低温度下，大语言模型就像一个保守的猜词者，总是选择最常见、最可能的词汇来生成文本，虽然准确但缺乏新意。相反，如果游戏的 “温度” 调得高，那就意味着你在游戏中愿意大胆猜测，即便是一些看起来不太可能的词也敢于尝试。这样的游戏充满了惊喜和创新，虽然有时候会猜错，但过程绝对刺激有趣。对应到大语言模型中，高温度让模型大胆尝试不常见的词汇组合，为文本带来更多的创意和多样性，但也可能导致文本不够连贯或合理。而将 “温度” 设为中间的数字，就好比是保持了一种中庸之道，既不会太保守也不会太冒险，试图找到既合理又有趣的平衡点。在大型语言模型中，调整 “温度” 参数实际上就是在调节模型生成文本时的 “猜词策略”。较低的温度使得模型更加保守，倾向于生成大家都能想到的、平滑流畅的内容。而较高的温度则让模型变得大胆，愿意尝试新奇的表达，给我们带来意想不到的创意。不同的大语言模型，使用的深度学习框架可能不一样，参数的调整方式也会不一样。大多数设置的范围是0到1，比如百度的文心系列
在调整大语言模型的温度参数时，一般建议改变温度和其他参数（如 Top_p、Frequency Penalty、Presence Penalty）其中一个即可，不用同时调整多个。这是因为这些参数都对模型的输出产生影响，同时调整多个参数可能会导致结果难以预测和控制。例如，Top_p 参数动态设置 tokens 候选列表的大小，将可能性之和不超过特定值的 top tokens 列入候选名单。如果同时调整温度和 Top_p 参数，可能会使模型的输出变得过于随机或过于保守。不同的任务需求对温度参数的要求也不同。在质量保障任务中，需要生成准确、可靠的文本，因此可以选择较低的温度参数。例如，在软件测试报告、法律文件的生成、科学研究报告的生成中，低温度可以确保内容的描述准确无误，避免出现错误或模糊的表述。而在诗歌生成等需要创造性的任务中，可以适当提高温度参数，以增加文本的多样性和创新性。高温度可以使模型尝试一些不常见的词汇组合和表达方式，创造出独特的诗歌作品。此外，还可以根据任务的具体要求和用户的反馈，逐步调整温度参数。例如，在广告文案的生成中，可以先尝试不同的温度参数，观察生成的文案效果，然后根据用户的反馈和目标受众的喜好，选择最合适的温度参数。总之，根据不同的任务需求调整温度参数，可以获得最佳的结果。在调整过程中，需要结合其他参数和实际情况，进行不断的尝试和优化。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
