Temperature, top-p, top-k: Output Control Parameters Explained
AI Navigate Original / 4/27/2026
💬 OpinionIdeas & Deep AnalysisTools & Practical Usage
Key Points
- LLMは確率分布から単語をサンプリングするため、同一入力でも出力が変わり得る点を前提として説明している。
- 温度（temperature）は0なら決定的、1以上でランダム性が増して「創造性」寄りになると整理している。
- top-p（nucleus sampling）は確率合計がpになる語群から選び、top-kは確率上位k語だけから選ぶ方式として違いを示している。
- ユースケース別の目安（例: classificationは0.0、コード0.2-0.5、マーケコピー0.7-0.9、創作0.8-1.0）をチートシートとして提示している。
- LLMs sample from probability distributions; same input can give different outputs.
- Temperature: 0 = deter
Sign up to read the full article
Create a free account to access the full content of our original articles.
