مدل هرگز یک کلمه را انتخاب نمی‌کند. از یک فهرست انتخاب می‌کند
پس از خواندن prompt شما، یک مدل زبانی برای هر توکن در واژگانش، بین 100,000 تا 200,000 توکن در مدل‌های امروزی، امتیازی تولید می‌کند و آن امتیازها را به احتمال تبدیل می‌کند: «برگ‌ها» 45 درصد، «هوا» 25، «رنگ‌ها» 15، و به همین ترتیب در یک دنبالهٔ بلند. هوش مصنوعی چیست دلیل این ساختار را توضیح می‌دهد. سپس یک توکن از آن فهرست انتخاب می‌کند، آن را اضافه می‌کند، و کل فرایند را دوباره تکرار می‌کند.
دما میان امتیازها و انتخاب اعمال می‌شود. هر امتیاز پیش از محاسبهٔ احتمالات بر دما تقسیم می‌شود. تقسیم بر عددی زیر 1 فاصلهٔ بین امتیازها را بیشتر می‌کند، پس گزینهٔ محبوب بیشتر جلو می‌افتد. تقسیم بر عددی بالای 1 فاصله‌ها را کم می‌کند، پس دنبالهٔ بلند شانس واقعی پیدا می‌کند. دقیقاً در 0 محاسبات به «همیشه بالاترین امتیاز را بردار» فروکاسته می‌شود، و برای همین 0 به عنوان قطعی معرفی می‌شود.
نام این تنظیم از فیزیک وام گرفته شده، جایی که گاز گرم‌تر ذرات تصادفی‌تری دارد. مدل داغ‌تر کلمات تصادفی‌تری انتخاب می‌کند. چیزی در دانش مدل تغییر نمی‌کند؛ فقط شیوهٔ انتخاب تغییر می‌کند.
این عدد با احتمالات چه می‌کند، با یک مثال دقیق
یک prompt را در نظر بگیرید که مدل کلمهٔ بعدی آن را با پنج گزینه به نسبت‌های 45، 25، 15، 10 و 5 درصد رتبه‌بندی می‌کند. این توزیع در دمای 1 است. فرمول را در 0.5 و در 2 اعمال کنید، همان پنج گزینه به شکل زیر درمی‌آیند. درصدها از فرمول محاسبه شده‌اند نه اندازه‌گیری، و شکل آن دقیقاً همان چیزی است که هر توزیع واقعی نشان می‌دهد.
گزینهٔ پنجم را در سه پنل بخوانید: زیر 1 درصد، سپس 5، سپس 11. در یک پاسخ 500 توکنی، شانس 11 درصدی در هر توکن برای انتخاب پنجمین گزینهٔ محتمل، به متنی می‌انجامد که پرسه می‌زند، جعل می‌کند و در نهایت از معنا تهی می‌شود، دقیقاً همان چیزی که وقتی کسی اسلایدر یک playground را روی 2 می‌برد می‌بیند. و گزینهٔ برتر را بخوانید: حتی در 0.5 یک بار از سه بار می‌بازد، پس دمای پایین ثابت است، نه قطعی.
این نکتهٔ آخر برای واژهٔ «قطعی» اهمیت دارد. مرجع API شرکت Anthropic می‌گوید حتی در 0 نتایج «کاملاً قطعی نخواهند بود»، و این احتیاط واقعی است: محاسبات اعشاری روی سخت‌افزار موازی و دسته‌بندی سمت ارائه‌دهنده باعث می‌شود همان prompt در 0 هم بتواند دو پاسخ متفاوت تولید کند. اگر به خروجی یکسان نیاز دارید، آن را ذخیره کنید؛ روی این تنظیم حساب نکنید.
هر ارائه‌دهنده چه چیزی اجازه می‌دهد، و پیش‌فرض‌ها چیست
| ارائه‌دهنده | بازه | پیش‌فرض | یادداشت‌ها |
|---|---|---|---|
| OpenAI | 0 تا 2 | 1 | مدل‌های استدلالی (سری o، GPT-5 با استدلال) این پارامتر را نمی‌پذیرند |
| Anthropic | 0 تا 1 | 1 | درخواست‌هایی که هر دو را با هم روی Opus 4.1 و بالاتر تنظیم کنند رد می‌کند |
| Google Gemini | 0 تا 2 | 1 | به‌صورت اسلایدر در AI Studio نمایش داده می‌شود |
| OpenRouter | عبوردهی | پیش‌فرض ارائه‌دهنده | مسیری که Whizi برای رسیدن به هر مدل استفاده می‌کند |
سه نکته برجسته است. هر ارائه‌دهنده به‌طور پیش‌فرض روی 1 است، یعنی نمونه‌برداری از احتمالات خود مدل، پس پاسخ‌هایی که در یک چت معمولی می‌گیرید از قبل یکی از میان بسیاری نمونه‌برداری‌هاست. مقیاس Anthropic در 1 متوقف می‌شود، پس دمای 1 در Claude سقف است در حالی که 1 در OpenAI میانه است؛ این اعداد بین ارائه‌دهنده‌ها قابل مقایسه نیستند. و مدل‌های استدلالی این تنظیم را رد می‌کنند: OpenAI دما را برای سری o و GPT-5 پشتیبانی‌نشده اعلام می‌کند و اگر بفرستیدش خطا برمی‌گرداند، و Anthropic هرگاه تفکر گسترده روشن باشد به 1 نیاز دارد.
برای هر کار کدام تنظیم
قاعده در یک خط: برای کارهایی با یک پاسخ درست پایین‌تر، برای کارهایی با پاسخ‌های خوب متعدد بالاتر.
| کار | دما | چرا |
|---|---|---|
| استخراج به جدول یا JSON، دسته‌بندی، کد | 0 تا 0.3 | یک شکل درست وجود دارد؛ تنوع یک نقص است |
| خلاصه‌سازی، ترجمه، سوالات واقعی | 0.3 تا 0.7 | کمی آزادی در بیان، بدون تمایل به اختراع |
| پیش‌نویس، بازنویسی، طوفان فکری | 0.7 تا 1 | پیش‌فرض ارائه‌دهنده؛ متنوع اما منسجم |
| داستان، اسم، شعار، ایده‌های عمداً غیرعادی | 1 تا 1.3 | کلمات دنبالهٔ بلند هدف اصلی‌اند |
| بالای 1.5 | به‌ندرت | انسجام پیش از افزایش تازگی افت می‌کند |
دو هشدار. دما حقیقت را کنترل نمی‌کند. مدلی در 0 محتمل‌ترین پاسخش را انتخاب می‌کند، و اگر محتمل‌ترین پاسخ غلط باشد، هر بار با اطمینان کامل غلط است، چیزی که توهم هوش مصنوعی چیست از زاویهٔ آموزش توضیح می‌دهد. و دما اهرم لحن یا طول متن نیست. آن‌ها به دستورالعمل‌ها تعلق دارند، و مهندسی prompt برای مبتدیان آن را پوشش می‌دهد؛ این عدد فقط تعیین می‌کند مدل چقدر اغلب روی یک کلمه شرط‌بندی می‌کند.
چرا هرگز این اسلایدر را در یک اپ چت ندیده‌اید
ChatGPT، اپ Claude، Gemini و Whizi هیچ کنترل دمایی نشان نمی‌دهند. این تنظیم در playgroundهای توسعه‌دهنده و APIها زندگی می‌کند، و هیچ‌کدام از سه ارائه‌دهنده مقداری را که اپ خودشان استفاده می‌کند منتشر نمی‌کنند. Whizi هیچ‌کدام را نمی‌فرستد، پس هر مدل اینجا با پیش‌فرض ارائه‌دهندهٔ خود یعنی 1 اجرا می‌شود. دلیلش همان است که بالا گفته شد: پیش‌فرض از قبل تنظیمی است که بیشتر کارها می‌خواهند، و یک اسلایدر در جای اشتباه یک دستیار خوب را به یکی بد تبدیل می‌کند بدون هیچ نشانه‌ای از اینکه کدام دکمه مقصر بوده.
چیزی که یک فضای کاری چندمدلی به‌جای آن به شما می‌دهد اهرمی بزرگ‌تر است. دو مدل متفاوت یعنی دو فهرست احتمالاتی متفاوت، و جابه‌جایی بین آن‌ها پاسخ را بسیار بیشتر از هر دمایی تغییر می‌دهد. عادتی که جای اسلایدر را می‌گیرد: برای کاری با یک پاسخ درست، از مدل دوم بپرسید و فقط جایی عمل کنید که موافق باشند؛ برای کاری با پاسخ‌های خوب متعدد، از دو مدل بپرسید و انتخاب کنید. در Whizi این یعنی تغییر مدل در میانهٔ گفتگو، و تغییر مدل در میانهٔ گفتگو توضیح می‌دهد چه چیزی منتقل می‌شود.
اگر واقعاً به این دکمه نیاز دارید، در API یا playground خود ارائه‌دهنده است، به‌ازای هر درخواست، و بازه‌های جدول بالا اعمال می‌شوند.
- برای هر چیزی با یک شکل درست، از 0 تا 0.3 استفاده کنید: استخراج، دسته‌بندی، کد
- پیش‌فرض 1 را برای پیش‌نویس و بازنویسی نگه دارید؛ همان چیزی است که هر ارائه‌دهنده برایش تنظیم شده
- هرگز 0 را ضامن خروجی یکسان ندانید؛ پاسخی را که می‌خواهید نگه دارید ذخیره کنید
- برای اصلاح لحن، طول یا دقت سراغ دما نروید؛ این‌ها مشکلات دستورالعمل هستند
- وقتی یک اپ چت اسلایدر ندارد، به‌جای آن مدل را عوض کنید، که پاسخ را بیشتر از هر دمایی جابه‌جا می‌کند
پرسش‌های متداول
دمای 0 در هوش مصنوعی یعنی چه؟
در دمای 0 مدل همیشه به‌جای نمونه‌برداری، محتمل‌ترین توکن بعدی خود را برمی‌دارد، پس همان prompt تقریباً همیشه همان پاسخ را می‌دهد. مرجع API شرکت Anthropic می‌گوید نتایج حتی در 0 «کاملاً قطعی نخواهند بود»، چون سخت‌افزار و دسته‌بندی می‌توانند اختلاف‌های ریز ایجاد کنند. این تنظیم درست برای استخراج، دسته‌بندی و کد است، و کاری نمی‌کند که محتمل‌ترین پاسخ درست‌تر شود.
بهترین دما برای ChatGPT چیست؟
اپ ChatGPT اجازه نمی‌دهد آن را تنظیم کنید، و OpenAI مقداری را که اپ استفاده می‌کند منتشر نمی‌کند. از طریق API، برای خروجی ساختاریافته و استخراج واقعی از 0 تا 0.3 استفاده کنید، برای نوشتن از 0.7 تا 1، و بالای 1 فقط برای متن خلاقانهٔ عمداً متنوع. مدل‌های استدلالی OpenAI اگر این پارامتر را اصلاً بفرستید خطا برمی‌گردانند.
تفاوت دما و top-p چیست؟
دما کل فهرست احتمالاتی را بازآرایی می‌کند و آن را تیزتر یا صاف‌تر می‌کند. top-p فهرست را قطع می‌کند و فقط محتمل‌ترین توکن‌هایی را نگه می‌دارد که مجموع احتمالاتشان به p می‌رسد و از میان آن‌ها انتخاب می‌کند. هر دو تصادفی بودن را کم یا زیاد می‌کنند. OpenAI توصیه می‌کند فقط یکی را تغییر دهید، و Anthropic درخواستی را که هر دو را روی Opus 4.1 و بالاتر تنظیم کند رد می‌کند.
آیا دمای بالاتر هوش مصنوعی را خلاق‌تر می‌کند؟
باعث می‌شود مدل کلمات کم‌محتمل‌تر را بیشتر انتخاب کند، که تا حدود 1.3 خلاقانه به نظر می‌رسد و بعد از حدود 1.5 نامفهوم. در یک مثال کاربردی، افزایش دما از 1 به 2 شانس پنجمین گزینهٔ محتمل را از 5 درصد به 11 درصد در هر توکن می‌رساند، و این در یک پاسخ بلند انباشته می‌شود. خلاقیت به معنای ایدهٔ بهتر از prompt و از مدل می‌آید، نه از این دکمه.
آیا می‌توانم دما را در Whizi تغییر دهم؟
خیر. Whizi هیچ دمایی نمی‌فرستد، پس هر مدل با پیش‌فرض ارائه‌دهندهٔ خود اجرا می‌شود؛ ChatGPT، اپ Claude و Gemini هم هیچ کنترلی نشان نمی‌دهند و هیچ مقداری منتشر نمی‌کنند. اهرم معادل در یک فضای کاری چندمدلی انتخاب‌گر مدل است: دو مدل یعنی دو توزیع احتمالاتی متفاوت، و جابه‌جایی در میانهٔ گفتگو پاسخ را بیشتر از هر تنظیم دمایی تغییر می‌دهد.
