采样与幻觉：温度不是事实可靠性开关

同一输入为何可能得到不同回答

纸桥故事馆问纸船接下来会做什么，模型可能写驶向灯塔，也可能写停在水洼。生成时模型先算候选词元的分数，再由解码策略选择下一项。取最高分称为贪心选择，按分布随机抽取则会带来变化。回答差异还可能来自模型版本、输入材料或系统设置，不应全归因于随机性。对于创意故事，变化可能有价值；对于资料问答，需要的是证据一致而不只是句子每次一样。

温度调整分布而非注入知识

温度通常用于缩放输出分数，较低时分布更集中，较高时相对更分散，具体效果依模型与接口实现而定。假设模型把清晨列为最高分候选，即使当前资料没有任何钟点，低温仍可能稳定重复清晨。稳定错误依旧错误。温度不把来源材料变正确，也不验证引用，更不是事实可靠性开关。温度为零在一些服务中采用近似确定策略，但不能保证跨版本、硬件或所有配置得到完全一致的文字。

候选截断限制抽样范围

最高若干候选采样称为Top-k，只在得分最高的一定数量词元中抽取；核采样称为Top-p，按累计概率保留达到设定阈值的一组候选。两者控制可被抽中的范围，不能直接证明范围内内容真实。较窄候选可能减少语言变化，也可能持续选择常见而不符合当前材料的答案。参数之间有相互作用，实际平台还可能施加其他限制。初学时无需记复杂组合，先知道它们改变选择机制，而不是新建事实核验器。

概率高和答案可信之间缺一座桥

词元概率是在当前上下文下对续文的模型判断，不是该词元所组成事实在现实中为真的频率。整段回答的正确性也不能只用最高词元分数推断。幻觉可能来自资料缺失、问题诱导、检索错误或训练中的常见模式，补充资料能帮助但不保证消失。工坊对事实问答设定材料范围，要求引用对应句子，允许说未知，并独立核查引用是否真正支持结论。引用看起来像页码也不够，必须能回到真实提供的材料。

按任务定义合适验收

创意续写验收看风格、设定一致与明确标注虚构；资料问答验收看依据、版本、未知处理和无新增事实。若需要重复测试，用同一输入记录几次输出，分别统计格式与事实支持，而不是只记录文字是否完全一样。缺资料时应补资料或缩小问题，不靠降低温度假装确定。生成参数是输出控制工具，可靠性来自数据、任务约束、验证与人工复核的组合；即使采用确定性解码，也不能取消这些环节。