النموذج لا يختار كلمة أبدًا. إنه يختار من قائمة
بعد قراءة طلبك، ينتج نموذج اللغة درجة لكل رمز في مفرداته، من 100,000 إلى 200,000 رمز في النماذج الحالية، ثم يحوّل هذه الدرجات إلى احتمالات: "أوراق" 45 بالمئة، "طقس" 25، "ألوان" 15، وهكذا على امتداد ذيل طويل. يشرح ما هو LLM سبب عمله بهذه الطريقة. بعدها يسحب رمزًا واحدًا من هذه القائمة، يضيفه، ويكرر العملية من جديد.
يُطبَّق temperature بين الدرجات وعملية السحب. تُقسَّم كل درجة على قيمة temperature قبل حساب الاحتمالات. القسمة على رقم أقل من 1 توسّع الفجوات بين الدرجات، فيتقدّم المرشح المفضل أكثر. والقسمة على رقم أعلى من 1 تُضيّق الفجوات، فيحصل الذيل الطويل على فرصة حقيقية. وعند 0 بالضبط تنهار المعادلة إلى "خذ دائمًا الدرجة الأعلى"، ولهذا يُسوَّق 0 على أنه حتمي (deterministic).
الاسم مستعار من الفيزياء، حيث يمتلك الغاز الأكثر سخونة جزيئات تتحرك بعشوائية أكبر. والنموذج "الأكثر سخونة" يختار كلمات أكثر عشوائية. لا يتغيّر شيء في معرفة النموذج؛ يتغيّر فقط أسلوب السحب.
ماذا يفعل هذا الرقم بالاحتمالات، بالتفصيل
لنأخذ طلبًا يُقيّم فيه النموذج الكلمة التالية بخمسة مرشحين بنسب 45 و25 و15 و10 و5 بالمئة. هذا هو التوزيع عند temperature يساوي 1. بتطبيق المعادلة عند 0.5 وعند 2، تخرج المرشحات الخمسة نفسها كما هو موضح أدناه. النسب محسوبة من المعادلة وليست مقاسة، والشكل هو ما يحدث في كل توزيع حقيقي.
تابع المرشح الخامس عبر اللوحات الثلاث: أقل من 1 بالمئة، ثم 5، ثم 11. على امتداد إجابة من 500 رمز، فإن احتمال 11 بالمئة لكل رمز باختيار الكلمة الخامسة الأفضل يتراكم إلى نص يتشتت ويختلق ويتوقف في النهاية عن أن يكون منطقيًا، وهذا ما يراه الناس عندما يدفعون منزلق تجربة إلى 2. واقرأ المرشح الأول: حتى عند 0.5 يخسر سحبًا واحدًا من كل ثلاثة، لذا فإن temperature المنخفض ثابت الاتجاه لا مضمون النتيجة.
هذه النقطة الأخيرة مهمة لكلمة "حتمي" (deterministic). يقول مرجع واجهة برمجة تطبيقات Anthropic إنه حتى عند 0 فإن النتائج "لن تكون حتمية بالكامل"، والتحفظ حقيقي: فحساب الفاصلة العائمة على عتاد متوازٍ والتجميع من جانب المزوّد يعنيان أن الطلب نفسه عند 0 قد ينتج إجابتين مختلفتين. إن احتجت إلى مُخرَج مطابق، احفظه؛ لا تعتمد على الإعداد.
ما الذي يسمح به كل مزوّد، وما هي الإعدادات الافتراضية
| المزوّد | النطاق | الافتراضي | ملاحظات |
|---|---|---|---|
| OpenAI | من 0 إلى 2 | 1 | نماذج الاستدلال (سلسلة o، وGPT-5 مع التفكير) لا تقبل هذا المعامل |
| Anthropic | من 0 إلى 1 | 1 | ترفض الطلبات التي تحدّد كليهما معًا على Opus 4.1 وما بعده |
| Google Gemini | من 0 إلى 2 | 1 | يظهر كمنزلق في AI Studio |
| OpenRouter | يمرَّر كما هو | الإعداد الافتراضي للمزوّد | المسار الذي يستخدمه Whizi للوصول إلى كل نموذج |
تبرز ثلاثة أمور. كل مزوّد يعتمد 1 افتراضيًا، وهو ما يعني أخذ عينة من احتمالات النموذج نفسه، لذا فإن الإجابات التي تحصل عليها في محادثة عادية هي أصلًا سحبة واحدة من بين كثير. ويتوقف مقياس Anthropic عند 1، لذا فإن temperature بقيمة 1 في Claude هو السقف بينما 1 في OpenAI هو نقطة المنتصف؛ والأرقام غير قابلة للمقارنة بين المزوّدين. وترفض نماذج الاستدلال هذا الإعداد: تُدرج OpenAI الـtemperature كإعداد غير مدعوم لسلسلة o وGPT-5 وتُعيد خطأ إذا أرسلته، وتشترط Anthropic القيمة 1 كلما كان التفكير الموسّع مفعّلاً.
أي إعداد لأي مهمة
القاعدة سطر واحد: أقل للمهام ذات الإجابة الصحيحة الواحدة، وأعلى للمهام ذات إجابات جيدة متعددة.
| المهمة | Temperature | السبب |
|---|---|---|
| الاستخراج إلى جدول أو JSON، والتصنيف، والبرمجة | من 0 إلى 0.3 | شكل صحيح واحد؛ أي تفاوت يُعدّ عيبًا |
| التلخيص والترجمة والأسئلة الواقعية | من 0.3 إلى 0.7 | بعض حرية الصياغة، مع عدم الرغبة في أي اختلاق |
| كتابة المسودات، وإعادة الصياغة، والعصف الذهني | من 0.7 إلى 1 | الإعداد الافتراضي للمزوّد؛ متنوع لكنه متماسك |
| القصص، والأسماء، والشعارات، والأفكار الغريبة عمدًا | من 1 إلى 1.3 | الهدف هو كلمات الذيل الطويل |
| فوق 1.5 | نادرًا | يتراجع التماسك قبل أن ترتفع الجدة |
تحذيران مهمان. temperature لا يتحكم في الصحة. فالنموذج عند 0 يختار إجابته الأكثر احتمالاً، وإذا كانت هذه الإجابة الأكثر احتمالاً خاطئة، فستكون خاطئة في كل مرة وبثقة تامة، وهذا ما يشرحه ما هو هلوسة الذكاء الاصطناعي من جانب التدريب. وtemperature ليس المقياس المناسب للنبرة أو الطول. فهذان ينتميان إلى التعليمات، ويغطيهما هندسة الأوامر للمبتدئين؛ والرقم يقرر فقط عدد المرات التي يقامر فيها النموذج بكلمة.
لماذا لم ترَ المنزلق أبدًا في تطبيق دردشة
لا يعرض ChatGPT ولا تطبيق Claude ولا Gemini ولا Whizi أي عنصر تحكم في temperature. يعيش هذا الإعداد في بيئات المطورين وواجهات البرمجة، ولا ينشر أي من المزوّدين الثلاثة القيمة التي يستخدمها تطبيقه الخاص. لا يرسل Whizi أي قيمة، لذا يعمل كل نموذج هنا بالإعداد الافتراضي لمزوّده وهو 1. والسبب هو ما سبق: الإعداد الافتراضي هو أصلًا ما تريده معظم المهام، ومنزلق في المكان الخطأ يحوّل مساعدًا جيدًا إلى مساعد سيئ دون أي إشارة إلى أي مقبض تسبب في ذلك.
ما تمنحك إياه مساحة عمل متعددة النماذج بدلاً من ذلك هو مقبض أكبر. فنموذجان مختلفان يعنيان قائمتي احتمالات مختلفتين، والتبديل بينهما يغيّر الإجابة أكثر بكثير من أي temperature. والعادة التي تحل محل المنزلق: لمهمة ذات إجابة صحيحة واحدة، اسأل نموذجًا ثانيًا وتصرّف فقط حيث يتفقان؛ ولمهمة ذات إجابات جيدة متعددة، اسأل نموذجين واختر. في Whizi هذا يعني تغيير النموذج في منتصف المحادثة، ويغطي تبديل النماذج في منتصف المحادثة ما الذي ينتقل معه.
إن كنت بحاجة فعلاً إلى هذا المقبض، فهو موجود في واجهة برمجة التطبيقات أو بيئة التجربة الخاصة بالمزوّد، لكل طلب على حدة، وتنطبق عليه النطاقات الواردة في الجدول أعلاه.
- استخدم من 0 إلى 0.3 لأي شيء له شكل صحيح واحد: الاستخراج، والتصنيف، والبرمجة
- اترك الإعداد الافتراضي 1 لكتابة المسودات وإعادة الصياغة؛ فهو ما ضبطه كل مزوّد من أجله
- لا تعامل 0 كضمان لمُخرَج مطابق؛ احفظ الإجابة التي تريد الاحتفاظ بها
- لا تلجأ إلى temperature لإصلاح النبرة أو الطول أو الدقة؛ فهذه مشكلات تتعلق بالتعليمات
- عندما لا يحتوي تطبيق الدردشة على منزلق، غيّر النموذج بدلاً من ذلك، فهذا يحرّك الإجابة أكثر من أي temperature
الأسئلة الشائعة
ماذا تعني temperature 0 في الذكاء الاصطناعي؟
عند temperature يساوي 0 يأخذ النموذج دائمًا رمزه التالي الأكثر احتمالاً بدلاً من أخذ عينة، لذا يعطي نفس الطلب نفس الإجابة تقريبًا في كل مرة. يقول مرجع واجهة برمجة تطبيقات Anthropic إن النتائج "لن تكون حتمية بالكامل" حتى عند 0، لأن العتاد والتجميع قد يُدخلان اختلافات طفيفة. وهو الإعداد المناسب للاستخراج والتصنيف والبرمجة، ولا يجعل الإجابة الأكثر احتمالاً أكثر صحة.
ما هو أفضل temperature لـChatGPT؟
لا يتيح لك تطبيق ChatGPT ضبطه، ولا تنشر OpenAI القيمة التي يستخدمها التطبيق. عبر واجهة البرمجة، استخدم من 0 إلى 0.3 للمخرجات المنظمة والاستخراج الواقعي، ومن 0.7 إلى 1 للكتابة، وفوق 1 فقط للنصوص الإبداعية المتنوعة عمدًا. وتُعيد نماذج الاستدلال من OpenAI خطأ إن أرسلت هذا المعامل أصلًا.
ما الفرق بين temperature وtop-p؟
يعيد temperature تشكيل قائمة الاحتمالات بأكملها، فيجعلها أكثر حدة أو أكثر تسطحًا. أما top-p فيقصّ القائمة، مبقيًا فقط على الرموز الأكثر احتمالاً التي يبلغ مجموع احتمالاتها p، ثم يسحب منها. كلاهما يقلل أو يزيد العشوائية. وتنصح OpenAI بتغيير أحدهما فقط، وترفض Anthropic أي طلب يحدّد كليهما معًا على Opus 4.1 وما بعده.
هل يجعل temperature الأعلى الذكاء الاصطناعي أكثر إبداعًا؟
إنه يجعل النموذج يختار كلمات أقل احتمالاً بشكل أكبر، وهو ما يُقرأ كإبداع حتى نحو 1.3 وكعدم تماسك بعد نحو 1.5. في مثال محسوب، رفع temperature من 1 إلى 2 يرفع فرصة المرشح الخامس من 5 بالمئة إلى 11 بالمئة في كل رمز، وهذا يتراكم على امتداد إجابة طويلة. أما الإبداع بمعنى فكرة أفضل فيأتي من الطلب والنموذج، لا من المقبض.
هل يمكنني تغيير temperature في Whizi؟
لا. لا يرسل Whizi أي قيمة لـtemperature، لذا يعمل كل نموذج بالإعداد الافتراضي لمزوّده؛ ولا يعرض ChatGPT ولا تطبيق Claude ولا Gemini أي عنصر تحكم أيضًا ولا ينشران أي قيمة. والمقبض المكافئ في مساحة عمل متعددة النماذج هو منتقي النموذج: فنموذجان يعنيان توزيعي احتمالات مختلفين، والتبديل في منتصف المحادثة يغيّر الإجابة أكثر من أي إعداد temperature.
