前言

在大模型（如GPT）中，生成文本时的控制参数对于最终输出的质量至关重要。Top-k、Top-p 和温度是三个非常重要的超参数，它们决定了模型在生成文本时的“创造力”和“多样性”。让我们通过这篇文章和一张图，一起来秒懂它们的作用。

1. Top-k 采样

Top-k 是一种控制模型生成文本时选择词汇的策略。简单来说，Top-k 采样意味着在生成每个词时，模型只从概率排名前 k 的词汇中进行选择。如下图：我们设定Top-k = 3，当输出的token个数到达3个时，模型停止输出，并从3个tokens中选出概率最大的进行输出。

• 工作原理：在生成一个词时，模型会计算每个词的概率，然后将概率最高的 k 个词选出作为候选。接着，从这 k 个候选词中随机选一个作为下一个词。
• 作用：Top-k 限制了候选词的数量，从而避免了模型在生成过程中选择到一些极其低概率的词汇。这可以有效避免生成不相关或荒谬的文本，同时也保证了一定的多样性。

Top-k 的优缺点：

• 优点：限制了模型的选择范围，可以减少生成过程中不合适的词汇，同时保留了一定的创造性。
• 缺点：如果 k 过小，可能会导致文本生成过于单一，缺乏多样性。

2. Top-p 采样（核采样）

Top-p 采样，也被称为核采样（nucleus sampling），是另一种根据概率分布来选择词汇的方法。与 Top-k 不同，Top-p 并不预设一个固定的候选词数量，而是根据概率累积选择，累计概率是我们可以设定的参数，如下图：我们设定Top-p=0.7，当输出的tokens概率值累加大于等于0.7时停止，然后从中选出概率最大的token进行输出。

• 工作原理：在每个词的生成过程中，模型会按概率从大到小排列所有词汇，然后累加概率，直到累积概率达到 p（通常是 0.9 或 0.95）。这时，所有累积概率之和超过 p 的词汇构成候选词池。接着，从这个池中随机选择下一个词。
• 作用：Top-p 采样灵活性更高，可以根据实际情况动态调整候选词的数量，避免了固定选择数量可能导致的限制。

Top-p 的优缺点：

• 优点：相较于 Top-k，Top-p 更加灵活，可以根据实际情况调整生成的多样性，并避免生成无意义或不合适的词汇。
• 缺点：如果 p 设定得过高，生成的文本可能会变得过于“自由”，有时缺乏连贯性。

3. 温度（Temperature）

温度 是控制生成词汇分布平滑度的超参数。它直接影响模型生成词汇的概率分布。说白了，其实就是在softmax函数上，除一个一个T值 ，

P(x) 是词汇 xxx 的原始概率，P′(x) 是温度调整后的概率

• 当 T=1 时，概率分布保持不变，直接按照模型预测的概率进行选择。
• 当 T<1 时，概率会更加集中在高概率词汇上，模型更加保守。
• 当 T>1时，概率分布会更加平滑，低概率词汇的选择机会增大，模型变得更加“大胆”。

• 工作原理：在生成每个词时，模型根据当前温度对概率分布进行调整。具体来说，温度值控制着概率分布的“尖锐度”：

• 当温度较低时，生成概率较高的词更有可能被选中，生成的文本更加确定、稳定。
• 当温度较高时，概率分布变得更加平滑，生成的词汇更具多样性，但可能会增加错误和不连贯的风险。

• 作用：温度参数的主要作用是控制生成文本的创造性。低温度使模型更“保守”，高温度则让模型更加“大胆”并产生更多可能的输出。

温度的优缺点：

• 优点：可以调节模型生成文本时的多样性，低温度有助于生成高质量且一致的文本，而高温度适合创意性和探索性的任务。
• 缺点：温度设定过高可能导致文本不连贯，过低则可能使生成内容过于单一和机械化。

通过合理调整 Top-k、Top-p 和温度这三个超参数，我们可以在文本生成过程中平衡稳定性与创造性，从而优化模型的输出。下面是这三者的总结作用：

• Top-k：限制候选词数量，避免过于极端的词汇选择，保持一定的多样性。
• Top-p：动态调整候选词池，避免固定限制，同时保持生成的自然性和灵活性。
• 温度：控制输出的创造性，低温度生成高质量、一致性强的文本，高温度则增加多样性和创新性。

这三个超参数相辅相成，通过巧妙调整，可以帮助我们得到更加理想的文本生成结果，既能保证语义的连贯性，也能提供创意的空间。

最后

为什么要学AI大模型

当下，⼈⼯智能市场迎来了爆发期，并逐渐进⼊以⼈⼯通⽤智能（AGI）为主导的新时代。企业纷纷官宣“ AI+ ”战略，为新兴技术⼈才创造丰富的就业机会，⼈才缺⼝将达 400 万！

DeepSeek问世以来，生成式AI和大模型技术爆发式增长，让很多岗位重新成了炙手可热的新星，岗位薪资远超很多后端岗位，在程序员中稳居前列。

与此同时AI与各行各业深度融合，飞速发展，成为炙手可热的新风口，企业非常需要了解AI、懂AI、会用AI的员工，纷纷开出高薪招聘AI大模型相关岗位。

最近很多程序员朋友都已经学习或者准备学习 AI 大模型，后台也经常会有小伙伴咨询学习路线和学习资料，我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频 全系列的学习资料，这些学习资料不仅深入浅出，而且非常实用，让大家系统而高效地掌握AI大模型的各个知识点。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

AI大模型系统学习路线

在面对AI大模型开发领域的复杂与深入，精准学习显得尤为重要。一份系统的技术路线图，不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点，还能提供一条高效、有序的学习路径。

但知道是一回事，做又是另一回事，初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性，在这基础上，找到高质量的学习资源，不浪费时间、不走弯路，又是重中之重。

AI大模型入门到实战的视频教程+项目包

看视频学习是一种高效、直观、灵活且富有吸引力的学习方式，可以更直观地展示过程，能有效提升学习兴趣和理解力，是现在获取知识的重要途径

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

海量AI大模型必读的经典书籍（PDF）

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

600+AI大模型报告（实时更新）

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

AI大模型面试真题+答案解析

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】