调用大模型的时候，总会看到几个耳熟能详的参数：Temperature、Top-p、Top-k。文档里通常的解释都是：控制输出的随机性。也就是：Temperature 和 Top-p 的值越高，模型输出的结果会越随机、越富有创造性，反之，数值越低，输出的结果就越确定、越保守。

随机性，到底是个什么意思？为啥随机性就可以表现为创造性？

回答这个问题，得先从一个最朴素的问题开始：模型是如何回答问题的。

我之前在 《从统计学习到通用智能》 中曾经提到过，大模型在输出文本的时候，本质上是在 滚动地预测下一个最有可能出现的词。

而预测机制大概可以拆分为三个具体的逻辑步骤：生成分数 → 转换概率 → 加权采样。

模型的打分机制

模型在回答问题时，并不是一次性把整句话想好再说出来，而是一个词元一个词元地往外蹦，每次输出一个词元（Token）之前，它都会把目前为止的所有内容（包括输入的问题和已经输出的部分回答）重新扫一遍，然后给词汇表（Vocabulary）里的每一个词元打一个分 —— 这个分在技术上叫 Logit 。

由于目前一些技术名词已经有了 正式的中文命名 ，下文中就用「词元」来代替 Token，用「词汇表」来代替 Vocabulary。

比如，假设用户问：博主写过哪些关于前端的文章？

模型收到这个问题之后，会把它认识的所有词元全部扫一遍，然后给每个词元打分。

这个打分过程本身很复杂，是整个 Transformer 架构的核心。

简单说的话：模型把当前所有输入按照词元切分，经过层层注意力计算（Attention）让每个词元都「读懂」上下文，最后通过矩阵乘法得到每个词元的分数，相关程度越高，打分越高。 类似于我之前在《从统计学习到通用智能》曾提到过的 向量嵌入中的相似度搜索 ，只是这里要打的不是语义相似度，而是「在当前上下文里出现的可能性」。

不过，具体怎么算，是 Transformer 内部的事。作为调用方，只需要知道：词汇表里的每一个词元，都会有一个对应的分数。 类似这样：

即便是一些完全不相关的词元，比如「摩托车」和「禅修」，它们也有分，只是分很低。

分数转换为概率

分打完了，下一步模型的任务就是从这些词元中选一个最合适的去输出。

最直接的想法是：直接挑分值最高的那个不就行了吗？

在技术上，这完全可行，甚至这种策略也有个名字，叫 Greedy Decoding （贪心解码）。也就是每一步中，模型都会选择分值最高（匹配度最高）的词元，永远追求局部最优解，而不考虑整体的输出效果。

但贪心解码有一个明显的问题：同样的问题，永远只会得到同样的答案。

还是刚才的例子，用户问：博主写过哪些关于前端的文章？

模型会永远输出：博主，写，过，关于，TypeScript，的，文章。

永远是 TypeScript，不会是 React，哪怕分数只是差了 0.1。

这样生成的文字陷入一种机械的重复感，AI 更像是在复读，而不是思考。就像我们用手机输入法一直点第一个「建议词」，最后打出来的一直就是那几句车轱辘话一样。

为了解决这个问题，有人提出了 Beam Search （束搜索）。它的思路是：不只盯着分值最高的那条分支走到黑，而是走每一步的同时，保留分值最高的 k 条候选路径，最后选整体概率最高的那条。

还是前面的例子，假设 k=2，在挑选「关于」之后的词元的时候，会同时保留「TypeScript」和「React」两条路；接下来在每条路的基础上继续延伸，再各自保留最优的两个分支，以此类推。最终从所有走完的路径里，挑出整体概率最高的那条作为输出。

Beam Search 确实比贪心解码更「聪明」一点，它不会因为某一步的局部最优而错过更好的整体结果。但它也有自己的问题：输出往往过于保守，容易陷入重复，而且计算成本随 k 值的增大显著上升。

这里还有个更根本的问题是：人类的自然语言本来就不遵循「整体概率最高」的规律。许多直击心灵的好句子，往往都不是文字逻辑上的「最优解」，所谓的「人味」也就是从这里来的。

所以实际上，这两种确定性策略都只会在特定的、需要稳定性和可预测性的场景使用（比如搜索）。而在需要「创造性」的场景中，模型并不会只盯着分值最高的「第一名」，而是需要给每个词元一个「被选中的机会」，分越高机会越大，分越低机会越小，但不能直接为零。

要做到这一点，就需要先把分数转换成概率。这里用到的是一个叫 Softmax 的函数，这个函数说来也简单，就是 把所有词元的分数归一化，让它们加起来等于 100%。

这里不能直接用 Logit 分数来表示这个「机会」，因为 Logit 是原始分数，它可以是任意数值，没有上下界，无法直接用来做概率采样。

还是以上面的例子为例（假设词汇表里只有这几个词元），把各自的分数代入 Softmax，算出来的概率大致是：

可以看到，三个「前端」有关的词元，它们的概率加起来已经超过了 96%，「禅修」和「摩托车」加在一起连 4% 都不到。分高的词概率高，分低的词概率低，但 只要概率不是零，就永远有被选中的可能。

而整个公式的计算过程，如果用 JavaScript 来实现的话，大概是这样的：

        

          
            
            JavaScript
          
          
            
            
          
        
        

          
123456789101112131415
          // 由模型打分得出的原始分数（Logit）
const logits = [3.1, 3.0, 2.8, 0.24, 0.1];

// 这里对每个 Logit 取自然指数 e^z（Math.E 是自然常数，约等于 2.718）
const exps = logits.map((z) => Math.exp(z));
// [22.20, 20.09, 16.44, 1.27, 1.11]

// 把所有指数加起来，得到分母（归一化常数）
const sum = exps.reduce((acc, val) => acc + val, 0);
// 61.10

// 每个指数除以分母，得到概率
const probs = exps.map((exp) => exp / sum);
// [0.363, 0.329, 0.269, 0.021, 0.018]
// [36.3%, 32.9%, 26.9%, 2.1%, 1.8%]
        
      

基于概率的随机采样

现在概率有了，模型去「随机抽」就简单多了。

可以把它想象成，在一条数轴上按概率分配区间，每个词元按照自身的概率作为比例来占据数轴的一部分。然后生成一个 0 到 100 的随机数，落在哪个区间就选哪个词元。这样每个词元被选中的概率，刚好就等于它的概率数值。

输出完这个词元，再把它加进输入，重新打分，重新算概率，重新抽…… 如此往复，直到输出一个代表「我说完了」的终止符。

这就是大模型「说话」的全过程。没有计划，没有草稿，每一步都只在问自己：接下来最可能出现的词元是什么？

而这个「随机抽」的过程，有一个专业的名字，叫随机采样（Random Sampling）。按照这种随机的模式来输出，内容就有了新鲜感，也就是「人味」。

但随机采样本身还有问题：到底随机到啥程度？业务决定还是模型决定？ 这就引出了文章一开始提到的三个参数：Temperature、Top-p、Top-k。

概率差距（Temperature）

Temperature 就是「温度」，通过调低或调高这个 T，就可以让词元的概率分布变得更「尖锐」或者更「平滑」。

它的原理是：在 Softmax 计算概率之前，给原来公式里的分子和分母分别都除以这个 T，从而改变每个词元之间的概率差距。

也就是公式变成了 e^(zi/T) / Σ e^(zj/T)。

• T 越小，差距越大，高分词元的优势被放大。
• T 越大，差距越小，所有词元的机会趋于均等。

这一步看起来微不足道，但带来的效果非常剧烈。

T 调低（比如 T=0.1）时，每个词元的分数都会先除以 0.1，也就是放大 10 倍。原本 TypeScript 和 React 只差了 0.1 分，放大后差距变成 1 分。而 Softmax 里有指数运算，线性的差距在指数面前会被疯狂放大。

最终算出来的概率，TypeScript 从原来的 36.3% 暴涨到约 70.5%，React 从 32.9% 跌到 25.9%，Vue 只剩 3.5%，「禅修」和「摩托车」基本接近于零。

这就形成了一个类似「赢家通吃」的局面：模型几乎每次都只会选 TypeScript，输出变得稳定、确定，同时也很死板。

T 调高（比如 T=2.0）时，每个词元的分数都除以 2，差距被压缩了一半。原本悬殊的差距被抹平，第一名的优势也变得不再明显。

最终算出来的概率里，连「摩托车」这种完全不相关的词元，都有了相当的概率（6.8%）被选中。输出变得多样，有时候冒出意想不到的词，但也有时候像在胡说八道。

Temperature 这名字也起得很应景。

• 低温让分子运动减缓，结构稳固且确定（冷静理智）。
• 高温让分子剧烈活动，不可预测且随机（热情奔放）。

老外也是懂意象的。

候选排除（Top-k / Top-p）

Temperature 解决了「概率差距」的问题，但还有另一个隐患没有处理。

词汇表里有几万到几十万个词元。头部那几个词元的概率加起来可能已经到了 95%，但剩下那 5% 被稀释在了几十万个或者更多数量的词元上。每个词元的概率都极低，但数量非常庞大。只要运气够好（或者模型够傻），那些完全不相关的词元，也有机会被随机采样选中。

于是，就可能会出现这样的句子：「他打开门，发现里面有一台正在呼吸的电视机」。你可能也会觉得：哎，不错，有点东西。

但更多时候，它是这样的：你还是问「博主写过哪些前端相关的文章」，结果它回答「摩托车脉冲点火的架构与设计」。

这就称不上是创意了，这算事故，P0 级别的。

Top-k 和 Top-p 本质上是介于贪心解码和完全随机采样之间的方法。它既不像贪心解码那样只认第一名，也不像完全随机采样那样对所有词元一视同仁，它负责的是：在采样之前把诸如「摩托车」、「禅修」、「股票」这类上下文无关的「长尾垃圾词」排除掉。

Top-k 的逻辑直接粗暴：只保留分数最高的前 k 个词元，其余的全部丢弃，概率直接归零。 k=10，就只从前十名里选。k=1，就退回到了贪心解码。

还是用刚才的例子：如果设置 Top-k=3，那么保留的就是 TypeScript（36.3%）、React（32.9%）、Vue（26.9%）这三个词元，「禅修」和「摩托车」就直接被丢弃了，然后把这三个词元的概率重新归一化，让它们加起来重新等于 100%，再进行采样。

而 Top-p 的全称是 Top Cumulative Probability，也叫核采样（Nucleus Sampling）。它的逻辑动态一些：从概率最高的词元开始往下累加概率，累加到超过阈值 p 就停，剩下的全部丢弃。 p=0.9，就意味着只保留累计概率能覆盖 90% 的那些词元，不管这个集合里有几个词元。

同样的例子：TypeScript 36.3%，加上 React 32.9%，已经到了 69.2%；再加上 Vue 26.9%，累计概率达到 96.1%，超过了 0.9 的阈值，停止。「禅修」和「摩托车」两个词元被排除。而如果把 p 设为 0.6，那只需要 TypeScript（36.3%）加上 React（32.9%）累计到 69.2% 就够了，Vue 也不要了。

这两个参数解决的是同一个问题，但角度不同：Top-k 固定候选词元的数量，Top-p 固定候选词元的概率密度。 当概率分布比较平坦时，Top-p 会自动多保留几个候选；分布集中时，又会自动收窄。相比之下，Top-k 的 k 值选多少很难提前确定，对不同的输入，同一个 k 值的效果可能差异很大。

这也是为什么两者经常叠用：先用 Top-k 砍掉数量上的长尾，再用 Top-p 按密度做二次收束。 如果几个参数同时启用，执行顺序就会是：Top-k → Top-p → Temperature。

为了便于直观感受，我用 Claude 生成了一个 DEMO，可以在下面测试效果或者 新窗口打开 。

创造力的调节指南

现在 Temperature、Top-k、Top-p 这三个参数的含义已经很清楚了，参考 OpenAI 的官方建议，一般的实践原则是：

1. Temperature 和 Top-p 只调其中一个。
2. 优先调 Temperature。
3. 推理模型尽量不要调这些参数（不需要）。

但如果你对模型的极限也充满了好奇，不妨试试这些简单粗暴的配置思路：

确定性任务（代码生成、事实问答、数据提取）

Temperature 调到极低（0.1 甚至更低），Top-p 设为 1.0，Top-k 设为 1。输出会非常稳定、保守，几乎每次都选概率最高的词。

平衡场景（日常对话、内容摘要、普通写作）

Temperature 保持在 0.7 ~ 1.0，Top-p 设为 0.9，Top-k 设为 40 ~ 60。在确定性和多样性之间保持一个平衡，回答自然又带有变化，出错的概率也比较低。这也是大多数模型的默认配置区间，也是 NodePress AI 摘要能力的 默认配置 。

创造性任务（故事生成、头脑风暴、诗歌、营销文案）

Temperature 拉到 1.2 ~ 1.5，Top-p 设为 0.95，Top-k 设为 80 ~ 100。输出会更大胆、更容易跳出常规逻辑，但也更容易跑题或胡说八道，需要多筛一轮。

极度随机（游戏 NPC 对话、艺术实验）

Temperature 超过 1.5，Top-p 和 Top-k 全部放开。每个词的概率被拉得几乎均等，输出天马行空，狂荡不羁。这种配置下，大部分结果可能没有意义，靠的是多次尝试里偶尔出现的惊喜。

温柔的谎言

总的来说，我们每一次调高 Temperature 的「温度」，或者拓宽 Top-p 的阈值，都是在告诉模型：允许你适当地「胡编」，允许你更大胆一些。它本质上是希望模型 在「合理」的范围内，制造适当的意外。

这通常被称作：增加创造力。

而人对「创造力」的感知，大部分时候就是来自于这份「意外」。比如那首广为人知的：灯，把黑夜烫了一个洞。

换句话说，AI 的「创造」来源，并不是无聊的 Top1，也不是荒谬的长尾词，而是概率分布的「边缘」采样。甚至也可以认为：AI 不是在「创造」，它只是在不断地「没选最优解」。

但如果认真去追问「创造力」这个词。

如果「创造力」的定义是：包含了情感温度、联想幻想、故事体验、独一无二的这个过程的话，那模型从未实现过创造。 它永远只是在概率的公式里随机跳跃，而且还是伪随机。

它有结果，但没有真正意义上的创造过程。 它不知道自己为什么选了这个词，也没有「选」的意志，只是概率落点恰好在这里。

不过，大部分时候，人们要的本来就不是「真正的创造力」，而是「创造力所带来的结果」。 一段看起来有爆点的文案、一个「别出心裁」的转场，或者墙上挂的那副 AI 画出来的壁画…… 这些需求，机器确实可以满足。

倒是有个更严重的问题是：比起 AI 有多大「创造力」，人们似乎逐渐习惯了把这种统计意义上的受控偏离，误读成了某种有意识的灵感涌现。

这种人类的自我投射，和机器毫无关系。

（完）