Modell-Parameter, der steuert wie zufällig die Ausgabe beim Sampling ist. Temperature 0 lässt das Modell an jeder Stelle den wahrscheinlichsten nächsten Token wählen; höhere Werte führen zu mehr Variation. Für Reproduzierbarkeit auf 0 fixieren, für Exploration erhöhen.
Definition: Modell-Parameter, der steuert wie zufällig die Ausgabe beim Sampling ist. Temperature 0 lässt das Modell an jeder Stelle den wahrscheinlichsten nächsten Token wählen; höhere Werte führen zu mehr Variation. Für Reproduzierbarkeit auf 0 fixieren, für Exploration erhöhen.
Temperature formt die Wahrscheinlichkeits-Verteilung des Modells beim Sampling. Bei Temperature 0 wählt das Modell deterministisch den wahrscheinlichsten nächsten Token; bei höheren Werten bekommen weniger wahrscheinliche Tokens mehr Chance. Übliche Defaults liegen bei 0.7 bis 1.0, wo das Modell kreativ aber kohärent ist.
Für Research-Aufgaben mit konsistentem Output gehört Temperature auf 0. Reproduzierbarkeit, strukturierte Extraktion, Code-Generierung und audit-pflichtige Aufgaben profitieren alle davon. Für Exploration, Brainstorming oder das Generieren mehrerer Kandidaten-Formulierungen den Wert erhöhen.
Häufiges Missverständnis: Temperature 0 garantiert keinen identischen Output zwischen Läufen. Modell-Tausch durch den Anbieter, Floating-Point-Nicht-Determinismus auf GPUs und Batching-Effekte führen trotzdem zu Drift. Temperature 0 plus fixer Seed plus fixe Modellversion kommen nahe an Determinismus heran, sind aber nicht bit-genau identisch.
Ein KI-System, das auf grossen Mengen von Text trainiert wurde, um menschenähnliche Sprache vorherzusagen und zu generieren. Am besten als Konzept-Transformationsmaschine zu verstehen, nicht als Wissensdatenbank.
Systematische Abweichung vom wahren Wert in Forschungsergebnissen. Kann nicht eliminiert, nur durch Standardisierung und Bewusstsein kontrolliert werden. Das Ziel ist systematischer Bias (beherrschbar) statt unsystematischer Bias (Chaos).
Dieser Begriff wird in den folgenden Artikeln referenziert: