Temperature 和 Top-P 参数有什么作用？如何选择合适的值？
这道题考的是大模型采样策略的核心原理——怎么控制输出随机性。面试官想看你不仅会用参数，还能说清楚背后的概率机制。
我从 Temperature 本质、Top-P 本质、Top-K 和 Top-P 对比、实战配置、常见坑点这五个方面来讲。
Temperature 本质——控制概率分布的"尖锐度"
大模型输出每个词之前，会先算一个概率分布。比如输入"今天天气真"，它会给"好"、"差"、"冷"这些词分别打个分。
Temperature 就是用来调节这个分布的。
公式很简单：对 logits 除以 T，然后做 softmax。T 越低，分布越"尖锐"——高概率的词概率更高，低概率的词几乎没机会。T 越高，分布越"平滑"——每个词都来分一杯羹。
换个说法。低温就是让学霸碾压。假设"好"概率是 0.8，"差"是 0.1。低温一调，"好"直接变成 0.99，"差"几乎归零。
高温就是大家重新投票。不管之前多悬殊，都给你拉回来点，模型就敢选一些低概率但有趣的词。
T=0 是什么情况？ 数学上不能除以 0，但工程上直接把 T=0 等价于贪心搜索——永远选概率最高的词，输出完全确定。
Top-P 本质——核采样的自适应截断
说完 Temperature，再看 Top-P。这东西名字叫"核采样"，思路是：按概率从高到低排序，累加到超过 P 阈值就停。
举个例子。词表按概率排好序了：[好:0.5, 棒:0.2, 差:0.15, 烂:0.1, 糟:0.05]。
Top-P=0.9 的话，累加 0.5+0.2+0.15=0.85，还没到 0.9，继续加 0.1=0.95，超过阈值了。
这时候参与采样的就是前四个词："好"、"棒"、"差"、"烂"。每次候选池大小是动态的——分布集中时可能只有 1-2 个词，分布分散时可能十几个词。
这和固定数量有什么区别？ 看下一个板块。
Top-K vs Top-P——为什么 Top-P 更智能
Top-K 就是固定选前 K 个词。比如 K=3，不管概率分布什么样，都只从前三个里抽。
问题来了。
场景一：分布很集中，第一名 0.95，第二名 0.03。K=3 还好，K=50 就把一堆垃圾词塞进来了。
场景二：分布很分散，前三个概率是 0.3、0.25、0.2。K=3 刚好，但 K=3 又太死了，下一个词可能概率 0.15 其实也很合理。
Top-P 的优势就是自适应。分布集中时自然收缩，分布分散时自动扩展。不用你操心设多少 K。
实际工程里，Top-P 基本是默认选择。常见配置是 Top-P=0.9 或者 0.95。
实战配置——场景化参数选择
讲完原理，说实际怎么配。
精确任务（代码生成、数学推理、事实问答）：Temperature 0 到 0.2，Top-P 0.9 到 0.95。这时候要的是稳定、可复现，不希望模型编一个看似合理但错误的答案。
平衡任务（日常对话、写作辅助）：Temperature 0.5 到 0.7，Top-P 0.9。这个区间最常用，兼顾确定性和多样性。
创意任务（头脑风暴、诗歌创作）：Temperature 0.8 到 1.2，Top-P 可以适当提高到 0.95 甚至 1.0。创意任务就是要模型敢冒险。
有个核心口诀：二选一，不要同时调。
先调 Temperature，调到满意了，Top-P 保持默认 0.9 就行。或者反过来，Top-P 细调，Temperature 固定 0.7。
两个一起调，你会分不清是哪个参数在起作用，调试效率极低。
避坑指南——常见错误实践
坑一：Temperature 和 Top-P 同时大调。
两个参数都在控制随机性，同时动的话，输出会变得不可预期。工程上一般固定一个，动另一个。
坑二：Top-K 和 Top-P 同时设置。
有的框架支持同时设置，逻辑是先取 Top-K 再取 Top-P 的交集。但这不是标准行为，不同模型实现可能不一样。建议只用一个，不要叠用。
坑三：Temperature 设太高。
T 大于 1.5 以后，分布会变得过于平滑，输出会开始出现语法混乱、跳跃等问题。超过 2.0 基本不可用。
面试怎么答
基础版（直接背）：
Temperature 和 Top-P 是控制大模型输出随机性的两个核心参数。Temperature 通过调节 softmax 前的 logits 来控制概率分布的尖锐程度，T 越低分布越集中、输出越确定，T=0 等价于贪心搜索。Top-P 是核采样，按概率从高到低累加，超过阈值 P 的词才参与采样，候选池大小是动态的，相比固定 K 值的 Top-K 更能适应不同的概率分布。实际配置上，精确任务用低温 0~0.2，创意任务用高温 0.8~1.2，平衡任务取中间值。工程上一般只调一个参数，不要同时调 Temperature 和 Top-P。
加分版（在基础版基础上补充）：
可以从信息熵角度解释——Temperature 实际上是在调节分布的信息熵，T 低时熵低、T 高时熵高。还可以提到 T=0 的数学处理方式，以及 Top-P=1 时等价于不做截断。另外补充一点工程经验：对于大多数场景，Top-P 保持 0.9 不动，先调 Temperature 到满意效果，是最高效的调参策略。
一句话总结
Temperature 控制概率分布的尖锐度、Top-P 做动态截断，选哪个值取决于你想要确定性还是多样性，但二选一调，不要同时动。