同一条提示词连续运行两次，为什么有时回答相同，有时措辞差异很大？变化来自模型参数、解码策略，还是输入本身？读完本文，可以比较温度对候选概率的影响，并从事实、任务完成度和可读性评估结果。语言模型每一步给出下一项的候选分布，解码器再决定选谁。这个选择会影响整段文本，但随机性更高不等于质量更好。理解解码参数后，才能为问答、分类和创作任务设置合适边界。文章目录相同提示词为什么会出现不同回答核心概念与工作机制最小示例验证结果常见误区与适用边界总结相同提示词为什么会出现不同回答假设某一步的候选概率分别为“准确”0.55、“迅速”0.35、“可能”0.10。贪心解码总选“准确”；采样允许较低概率候选出现。若把随机性提高，第三个候选更容易被选中，后续文本也随之改变。输出变化不代表模型重新训练过。策略选择方式适用情形主要风险贪心每步取最高概率需要稳定格式的短任务容易重复或局部最优温度采样调整分布后抽样需要有限变化的写作高温可能失控top-k / top-p先限制候选再抽样控制极低概率词进入阈值不当会过窄或过宽核心概念与工作机制概率分布与温度。温度低于 1 时，高概率候选的优势更明显；高于 1 时分布趋于平缓。温度只改变选择的随机性，不会向模型注入新事实，也不能修复错误数据。停止条件。生成必须受到最大长度、结束 token 或业务格式约束。单靠“请简短