温度参数 对比学习

同样一句提示词，跑两遍结果差很多，或者该发散的时候老是给你一套模板答案，多半是温度没调对。这篇不讲数学推导，只讲三件事：温度在调什么、高低温分别会带来什么后果、写方案、做摘要、抽数据这几类活该往哪个方向调。最后给一张按任务类型挑值的对照表和一段自查顺序。

同一句提示词，跑两遍结果差很多；或者该发散的时候老是给你一套模板答案——多半是温度没调对。这篇不讲数学推导，只讲三件事：温度在调什么、高低温分别会带来什么后果、写方案做摘要抽数据这几类活该往哪个方向调。

先说清楚适用边界：如果你用的是网页版聊天窗口、平台上没有暴露参数入口，那这篇里的调值动作你暂时做不了，能做的只有换提示词写法；只有走 API 或支持自定义参数的客户端，温度才归你管。另外，中转站转发时可能压根不透传这个参数，调了没反应属于常见情况。具体哪家平台透传、命名怎么写，到站内 /ai-dict/category/tips 对照当时的资料。

温度到底在调什么：一句话讲明白

温度控制的是模型挑下一个词时的随机程度。它不改变模型知道什么，只改变它愿意冒险到什么程度：调低就偏向概率最高的那条路，输出稳、可复现；调高就給低概率的词留机会，输出更活，但也更容易跑偏。换个说法，它调的是「确定性」，不是「聪明程度」。

• 它是逐轮生效的，不是全局开关：同一段回答里前后几句的发散程度都会被影响，调高之后整段都松，不只是开头几句
• 它不解决「模型本来就不会」的问题：知识盲区、推理能力不足，压低温度也补不回来，那属于换模型或补上下文的活
• 它和「重复惩罚」这类参数方向不同：一个管敢不敢选冷门词，一个管同一个词要不要反复出现，别混着调
• 如果调了温度感觉没变化，先确认接口是否真的透传该参数，很多平台默认忽略或按固定值跑

低温和高温的差异，落在哪些具体表现上

别看抽象定义，直接看落到输出上的区别。低温的典型表现是答案短而保守、重复提问结果接近，适合有标准答案的活；代价是写法呆板，创意类任务会显得干巴。高温的典型表现是措辞丰富、会主动补充角度、多次生成差异大；代价是事实性内容容易编、格式容易飘、抽字段时容易漏项。

• 判断该往哪边调的核心问题：这个任务有没有唯一正确答案？有就压低，没有才敢放开
• 两头都有代价：低温不等于不会错，高温也不等于一定错，只是错的方式不同
• 别一次调到底：先跑三五次比一比，再决定往哪边挪
• 别拿一次结果下结论，评估思路可以参考站内 /benchmarks 的对比方法，那里的做法就是固定其他变量只变一个

按任务挑温度的对照清单

下面这张表是给调参起手用的方向，不是硬指标。真正的数值要看你的模型、你的数据、你的容错度，只能自己试出来。表里给的是「往哪个方向调」，先按方向走，再微调。

抽取这类任务的原则是宁可重复也不要出错，所以方向和「稳」一致；摘要既要贴原文又不能逐字抄，所以停在中低区间比两端都实际；文案和脑暴要的是数量和角度，放开才有东西可挑。代码和公式逻辑正确优先，随机性越小越好。这几类的参数命名和术语，到 /ai-dict/category/basics 对一遍再动手，不同平台叫法不一样。

结果不对劲时的排查顺序

1. 第一步：排除非温度因素看提示词是否含糊、上下文是否超长被截、模型本身是否就不擅长这类任务。这三条没排除之前，调温度基本是白折腾。
2. 第二步：确认参数真的生效换一个明显极端的取值，跑同一句话，看输出有没有肉眼可见的变化。没变化就是接口没透传，这时候该找文档而不是继续调。
3. 第三步：单因子对比同一提示词、同一模型，只改温度，各跑几次记下差异，固定住其他变量才有可比性。
4. 第四步：定值并写进模板选定后写进团队模板并注明适用任务，顺手写清不适用的情况，比如换模型后要重新试。

还有一条容易被忽略：换模型或换版本后要重新试。上一个模型上的顺手取值，换过去不一定成立，可能整体都要往另一个方向挪。模型清单、版本变化和价格调整，到 /models 和 /official-api 看当时的数字，不要凭印象直接套用。