首页/AI/AI 应用速查/采样参数:temperature / top_p / penalty

采样参数:temperature / top_p / penalty

temperature 控制随机性(0 稳定、越高越发散),top_p 为核采样;frequency/presence penalty 抑制重复但对结构化任务有副作用。抽样类任务建议两者只调一个。

AI 应用速查AI更新于 2026-10-12
temperature0-2(各家上限不同);抽取/代码/评测建议 0-0.3
top_p0-1 累计概率截断;常用 0.9-1.0
penaltyfrequency_penalty / presence_penalty,正值抑制重复
原则temperature 与 top_p 建议只调一个

低温抽取示例

低温抽取示例
curl -s https://api.openai.com/v1/chat/completions -H "Authorization: Bearer $OPENAI_API_KEY" -H "Content-Type: application/json" -d '{"model":"gpt-4o-mini","temperature":0,"messages":[{"role":"user","content":"抽取日期:会议定于 3 月 5 日举行"}]}'
确定性需求(评测回归)用 temperature=0,但仍非绝对确定:GPU 浮点与批处理会带来微小差异。

易错点

  • 同时大幅调 temperature 与 top_p,效果互相干扰难归因
  • 对 JSON/结构化输出任务用高 temperature

数据来源与参考

  • OpenAI API 参考;Anthropic 提示工程与采样说明

相关工具

​‌‌​​‌​​​‌‌​‌‌‌‌​‌‌​​​‌‌​‌‌‌​​‌‌​​‌​‌‌‌​​‌‌‌​​​‌​‌‌​‌​​‌​‌‌‌​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​‌‌‌​‌​​​‌‌​‌‌‌‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌