Nhiệt độ và lấy mẫu
Nhiệt độ và lấy mẫu là các mặt số kiểm soát mức độ 'ngẫu nhiên' hoặc 'an toàn' của cách diễn đạt trong mô hình ngôn ngữ.
Tổng quan
They decide whether you get the same predictable answer every time or fresh, varied phrasing.
Lặn sâu
Ở mỗi bước, mô hình ngôn ngữ không xuất ra một từ trực tiếp - nó tạo ra điểm ('logit') cho mỗi mã thông báo trong từ vựng của nó, điểm này softmax biến thành phân phối xác suất. Lấy mẫu là cách chọn mã thông báo tiếp theo từ phân phối đó. Nhiệt độ định hình lại sự phân bố trước khi lựa chọn: nhiệt độ thấp làm cho các lựa chọn hàng đầu chiếm ưu thế, do đó đầu ra được tập trung và có thể lặp lại; nhiệt độ cao làm phẳng nó, cho phép các mã thông báo không chắc chắn lọt vào để tạo ra nhiều loại hơn (và nhiều lỗi hơn). Hai bộ lọc phổ biến đầu tiên thu hẹp nhóm. Top-k chỉ giữ k mã thông báo có xác suất cao nhất. Top-p, hay lấy mẫu hạt nhân, giữ tập hợp mã thông báo nhỏ nhất có xác suất cộng lại bằng p (giả sử là 0,9), do đó, nhóm sẽ tăng lên khi mô hình không chắc chắn và co lại khi mô hình tự tin. Các cài đặt này cùng nhau đánh đổi độ tin cậy chống lại sự sáng tạo.
Hiểu biết kỹ thuật
Nhiệt độ hoạt động bằng cách chia mỗi logit cho T trước softmax: xác suất tỷ lệ thuận với exp(logit / T). T dưới 1 làm rõ khoảng trống để mã thông báo hàng đầu chiếm ưu thế; T trên 1 thu hẹp khoảng cách và làm phẳng phân phối. Ở mức T gần 0, mô hình trở nên tham lam một cách hiệu quả, luôn lấy mã thông báo có khả năng xảy ra cao nhất. Top-k giới hạn số lượng ứng viên ở một số cố định, trong khi top-p đặt giới hạn xác suất tích lũy, do đó số lượng ứng viên của nó sẽ điều chỉnh theo độ tin cậy của mô hình ở bước đó.
Tác động chiến lược
Tốc độ và tỷ lệ
Quy trình công việc ngôn ngữ có thể di chuyển nhanh hơn mà không làm mất tính nhất quán.
Truy cập và tiếp cận
Nó mở rộng quyền truy cập vào các ngôn ngữ và phong cách giao tiếp.
Quyết định rõ ràng hơn
Các nhóm có thể dành nhiều thời gian hơn để đánh giá trong khi quá trình tự động hóa xử lý sự lặp lại.
Tương lai của nhiệt độ và lấy mẫu
Các điều khiển này ổn định và được hiểu rõ, do đó, hành động ở chế độ mặc định thông minh hơn và các biến thể mới hơn. Mong đợi các kế hoạch thích ứng hơn như min-p (điều chỉnh tỷ lệ giới hạn theo xác suất của mã thông báo hàng đầu) và nhiệt độ động thay đổi giữa thế hệ. Công cụ sẽ ngày càng tự động chọn cài đặt cho mỗi tác vụ — thấp đối với mã và trích xuất, cao hơn đối với động não — vì vậy người dùng sẽ không điều chỉnh bằng tay. Ý tưởng cốt lõi vẫn tồn tại: lấy mẫu là nút xoay đơn giản, mạnh mẽ giữa độ chính xác xác định và sự đa dạng sáng tạo.
Triển khai trong thế giới thực
Đặt nhiệt độ gần 0 để tạo mã hoặc trích xuất dữ liệu, nơi bạn luôn muốn có câu trả lời đúng giống nhau
Tăng nhiệt độ lên khoảng 0,8-1,0 để động não đặt tên, khẩu hiệu, ý tưởng câu chuyện để có nhiều lựa chọn đa dạng
Sử dụng top-p khoảng 0,9 để mô hình chỉ lấy mẫu từ những từ hợp lý nhất và tránh các mã thông báo kỳ quái
Áp dụng top-k để giới hạn các ứng viên và ngăn những từ hiếm, lạc đề xuất hiện trong câu trả lời trực tiếp của khách hàng
Rủi ro & lan can
Sự thật ảo giác có thể lặng lẽ đi vào báo cáo, luồng hỗ trợ hoặc kết quả nghiên cứu.
Sự nhạy cảm kịp thời có thể tạo ra kết quả không nhất quán đối với các yêu cầu tương tự.
Dữ liệu văn bản nhạy cảm có thể bị lộ nếu khả năng kiểm soát quyền truy cập yếu.
Lộ trình thực hiện
Xác định định dạng đầu ra, âm thanh và tiêu chuẩn chất lượng trước khi triển khai.
Phản hồi mặt đất với các nguồn đáng tin cậy bất cứ khi nào độ chính xác quan trọng.
Duy trì điểm kiểm tra đánh giá của con người đối với các kết quả đầu ra có mức độ rủi ro cao.
Theo dõi các kiểu lỗi và đào tạo lại các lời nhắc hoặc quy trình làm việc thường xuyên.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Temperature and Sampling quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
Lấy mẫu hạt nhân và Top-k
Câu hỏi thường gặp
What is Temperature and Sampling?
Nhiệt độ và lấy mẫu là các mặt số kiểm soát mức độ 'ngẫu nhiên' hoặc 'an toàn' của cách diễn đạt trong mô hình ngôn ngữ. Họ quyết định xem bạn nhận được cùng một câu trả lời có thể dự đoán được mọi lúc hay cách diễn đạt mới mẻ, đa dạng.
Việc tăng nhiệt độ có ảnh hưởng gì đến kết quả đầu ra của mô hình?
Nhiệt độ cao hơn làm phẳng phân bố xác suất, do đó, các mã thông báo ít có khả năng được chọn thường xuyên hơn, tạo ra đầu ra đa dạng hơn (và rủi ro hơn).
Lấy mẫu top-p (hạt nhân) khác với lấy mẫu top-k như thế nào?
Top-p điều chỉnh ứng viên được đặt theo xác suất tích lũy, trong khi top-k luôn giữ một số lượng mã thông báo hàng đầu cố định.
Về mặt cơ học, nhiệt độ thực sự có tác dụng gì đối với logit?
Nhiệt độ chia từng logit cho T trước softmax; T dưới 1 làm sắc nét sự phân bố, T trên 1 làm phẳng nó.
Để tạo mã hoặc trích xuất dữ liệu có cấu trúc, cài đặt nào thường là tốt nhất?
Các tác vụ cần độ chính xác và độ lặp lại sử dụng nhiệt độ rất thấp nên mô hình sẽ chọn các mã thông báo chính xác, có khả năng xảy ra nhất.
Điều gì xảy ra ở nhiệt độ thực tế bằng 0?
Nhiệt độ gần bằng 0, sự phân phối sắc nét đến mức mã thông báo có xác suất cao nhất luôn được chọn - giải mã tham lam.