AI temperature（溫度）影響的是生成時的抽樣變化，不是答案的事實正確率。調低溫度，常能讓措辭與選擇較集中；但同一個錯誤，也可能被模型穩定地重複。想讓 AI 更可靠，除了參數，仍需要合適的資料、清楚的任務與實際驗收。 更重要的是，不是每個模型都接受 temperature 或 top-p。部分新模型由服務端管理抽樣行為，自訂值可能被忽略，或直接讓請求失敗。這篇先說明參數的意思，再整理怎麼測試，以及哪些問題不該只靠「調低溫度」處理。 AI temperature 是什麼？先別把它當成智慧或正確率旋鈕 語言模型生成文字時，會逐步選擇下一個 token。Token 是模型處理的文字片段，不一定剛好是一個中文字或一個英文單字。這類 LLM 抽樣參數影響的是這個選擇過程，而不是直接替答案打真偽分數。 Google 的內容生成參數文件說明，較低的 temperature 通常讓輸出較可預測；較高的值則可能帶來更多樣的結果。可以把它理解成「生成選擇有多分散」，而不是模型知道多少、思考多久，或這句話有多正確。 因此，「較有變化」不一定等於創意更好，「較穩定」也不一定等於品質更高。寫活動標題時，幾種不同角度可能很有用；抽取帳單欄位時，任意補上不存在的資訊就不合格。參數好不好，最後仍要回到任務要求。 先查模型文件：有欄位，不代表一定能設定 在調參前，先確認實際使用的模型、版本、API 端點與模式是否支援。相同名稱的欄位，可能有不同的預設值、範圍或限制；介面上寫「創意程度」，也不代表它一定只改了 temperature。 例如，Google 的上述文件明確提醒，部分新模型不支援自訂 token 抽樣參數，傳入的值會被忽略。Claude 的 Messages 使用指南也列出不再支援 temperature、top_p 與 top_k 的模型，並提醒相關請求可能收到錯誤。這些都是各服務的支援條件，不能直接套用成其他模型的規則。 實務上，先使用該模型建議的預設設定，再決定是否需要調整。如果文件要求省略參數，就把它從請求中移除，而不是一直換數值測試。只有聊天介面的使用者，也不必為了找不到溫度選項而困擾；清楚交代資料、語氣、輸出格式與限制，仍然是重要的控制方式。 Temperature 和 top-p 差在哪裡？ 在支援自訂抽樣的模型中，temperature 影響選取候選 token 時的隨機程度；top-p 則是另一種控制候選範圍的方法，常被稱為 nucleus sampling（核心取樣）。兩者有關，但不是同一個旋鈕。 依照 Google 的說明，top-p 會按候選 token 的機率由高到低，保留累積機率達到門檻的一組候選，再從其中選擇。它限制的是機率分布中的候選集合，不是固定留下幾個詞。 所以，top-p 設成 0.9，不代表答案有九成機率正確，也不是固定保留詞彙表中九成的 token。當模型的候選機率很集中或很分散時，同樣門檻可能留下不同大小的候選集合。 若只是想知道某次調整造成什麼變化，初次測試可先固定其他設定，一次只改 temperature 或 top-p 其中一項。這是讓比較容易解讀的實驗安排，不是所有服務的強制規定；實際能調哪些參數，仍以該模型文件為準。 Top-p 影響保留哪些候選；候選被選中，不代表內容就有事實依據。 為什麼 temperature 設為 0，仍不該保證每次一模一樣？ Google 文件指出，在其所描述的抽樣設定中，temperature 為 0 時會選擇最高機率的 token，輸出多半具有決定性，但仍可能出現少量變化。因此，「較可預測」與「保證逐字相同」要分開看。 OpenAI 針對 Chat Completions 再現性的說明也提醒，即使使用相同 seed 與其他參數，服務端模型設定的必要變更仍可能影響結果。這段說明有其 API 適用範圍，不代表所有新模型或端點都提供 seed，也不是完全一致的保證。 此外，若前後兩次的提示詞、對話歷史、檢索文件、搜尋結果或工具回傳不同，本來就不是相同輸入。比對前應先保留這些條件；否則，看到答案改變就全怪在 temperature，會找錯問題。 AI 溫度怎麼調？用任務測試代替萬用數字 1. 先定義什麼叫做「好答案」 如果任務是擷取發票資訊，驗收重點可以是欄位是否完整、是否忠於原文、缺資料時有沒有留空；如果是產生廣告標題，則可看角度是否不同、是否符合品牌語氣，以及有沒有捏造優惠。不要只用「讀起來比較厲害」來評分。 2. 留一組預設設定當作基準 先記錄模型版本、提示詞、輸入資料與支援的設定，以預設值跑過測試題。若要調整，就在文件允許的範圍內改一項，再用相同測試資料比較。不要把另一個模型的最佳值，直接當成這個模型的標準答案。 3. 看多次輸出，也看容易出錯的題目 只看到一次漂亮回答，不足以判斷設定適合長期使用。可以用幾次重複輸出觀察差異，並加入資料缺漏、條件衝突或不該回答的情境。樣本少時，適合用來發現明顯問題，不宜宣稱已證明某個正確率。 4. 分開記錄變化、正確性與格式 回答更相似，不代表內容更正確；符合 JSON 格式，也不代表欄位內容真的有依據。把「措辭與選擇的變化」「事實或資料是否正確」「格式是否符合要求」分開記錄，才能知道調參究竟改善了哪一件事。 要把輸出接進程式，還可以搭配本站的AI 結構化輸出與 JSON Schema 說明；若需要管理測試條件，則可參考AI 提示詞版本管理。這些措施不能被一個溫度數值取代。 固定輸入與模型條件，再分開比較輸出變化、內容正確性及格式。 哪些問題不該只靠調低 temperature？ 引用錯誤或資料過時：先核對來源、日期與適用範圍。把回答變得比較固定，並不會自動更新資料，也不會讓不存在的證據出現；可延伸閱讀AI 搜尋引用的查證方法。 答案被截斷：應檢查輸出長度限制、停止條件及回傳狀態。Google 文件也把最大輸出 token 與抽樣參數分開說明，因為它們控制的不是同一件事。 任務要求不清楚：應補上讀者、資料來源、禁止事項、範例與輸出要求。若「整理一下」本身就有多種理解，單靠改參數很難讓模型猜中你的意思。 操作結果有風險：即使輸出看起來穩定，寄信、改資料或執行程式仍需要權限限制、驗證與適當的人工確認。抽樣設定不是安全控制，也不是操作授權。 常見問題 Temperature 越高，模型就越聰明嗎？ 不是。它影響生成選擇的變化，不等於模型能力升級。是否適合某個任務，要看實際輸出，而不是只看數值大小。 要避免 AI 幻覺，是不是一律設 0？ 不是。首先要確認模型是否支援這個設定；其次，減少變化不能保證事實正確。可靠資料、清楚限制、來源查證與驗收，仍然不可少。某個低溫設定也可能讓同一個錯誤持續出現。 沒有 temperature 選項，還能控制回答嗎？ 可以先從提示詞與資料著手，例如要求保留原文事實、列出缺漏、固定欄位，或指定多個不同角度。這不等於直接修改底層抽樣參數，但能更清楚地定義你要的結果。 把溫度當作生成設定，不要當作品質保證 理解 AI temperature 與 top-p，最有價值的不是記住一組神奇數字，而是知道它們在控制什麼、模型是否支援，以及如何用一致條件測試。先保留預設基準，再觀察變化、正確性與格式，會比單純追求更低或更高的溫度，更接近可用的工作流程。
