Clicked Gallery
「温度パラメータ」とは？
実際の技術ドキュメントでハイライトされた言葉を、Clickedが解説します。
例文
Engineering Notes · AI Systems
Setting the temperature to 0.2 makes completions more deterministic, which suits extraction and classification tasks.
読者がドキュメント内の単語をハイライトすると、Clickedが技術用語「temperature」をわかりやすく解説しました：
3段階での解説
●○○
Overview
温度は、AIモデルの言葉選びの予測しやすさを制御する設定だ。低いとほぼ毎回いちばん確率の高い次の語を選び、高いと確率の低い語にも賭ける。調整するのは多様性で、賢さではない。
●●○
Detail
モデルは各トークンを書く前に、確率つきの候補リストを持っており、温度はそのリストの形を変える。0付近では最上位がほぼ毎回勝つので、同じプロンプトはほぼ同じ答えを返す。1付近では元の確率に比例して抽選し、それを超えると差が縮まり、大穴の語にも現実的な出番が回ってくる。チャット製品はだいたい0.7〜1.0で動き、コードツールやデータ抽出は0付近に置かれる。整形作業への創造的な答えは、単に間違った答えだからだ。高い設定は多様性と同時に脱線の危険も上げる。ありそうにない語を選ぶたびに、次の語もありそうになくなっていくからだ。名前は物理学から来ていて、熱こそが粒子を最も安定した位置から揺さぶり出す。
●●●
Analogy
職場のランチ注文。無難にいけば全員が店の看板メニューで、毎日同じで毎日確実だ。ダイヤルを上げると、インターンがメニューにダーツを投げて選ぶ。発見の日もあれば、揚げ物の後悔の日もある。
AIによる解説には誤りが含まれる場合があります · 専門的な助言ではありません
事実はそのまま、ノリだけ変えて — スラングモード 😎
●○○
Overview
温度はカオスのつまみ。低ければAIは毎回いちばん無難な次の語を置きにいき、高ければ賭けに出る——同じ頭脳、違うのはリスクへの食欲だけ😎
●●○
Detail
内部では、モデルが次に来うる塊すべてにオッズをつけて並べており、温度はそのオッズを締めたり平らにしたりする。0なら毎回ほぼ同じ答えが出るので、コードツールやデータ抽出はそこに住んでいる。データ欄での創造性はバグだ。チャット製品は0.7〜1.0あたりを巡航し、冷蔵庫の説明書みたいにならない程度のスパイスを効かせる。そこを超えると大穴の語が勝ち始め、変な選択が次の選択をさらに変にしていき、中身のない自信満々の作文が出来上がる。だから温度は賢さのつまみではなく、AIがどれくらいの頻度で大穴に張るかのつまみだ😎
●●●
Analogy
パーティのSpotify。ヒット曲プレイリストに固定すればどの会も同じ音だが誰も文句を言わない。自動再生に任せると当て推量が始まり、隠れた名曲の日もあれば、3曲目のクジラの鳴き声で部屋が空になる日もある。
AIによる解説には誤りが含まれる場合があります · 専門的な助言ではありません
正式な定義 — 同じ用語の、よくある説明
温度は、ソフトマックス前のモデル出力ロジットに適用されるスカラーで、候補トークン上の確率分布の鋭さを調整する。1未満の値は確率質量を高尤度トークンに集中させ決定性を高め、1超の値は分布を平坦化し、一貫性と引き換えに多様性を高める。
「temperature」のような言葉を、ブラウザ上でそのままClickedに解説させませんか？PDFにも対応。
Chromeに追加 — 無料無料で50回の解説 · クレジットカード不要
ギャラリーの他の記事
研究論文の「ちゃんとした」読み方
賢く流し読み、専門用語の壁を突破、学んだことは手元に — 1セッションを正しいやり方で。
「トークン化」とは？
AIが読む前にテキストを刻む仕組み——言語によって割高になる理由。
「過学習と学習不足の違い」とは？
答えを丸暗記 vs. 本を開かず — 両者を暴くスコアの差。
「確率的勾配降下法（SGD）」とは？
無数のダイヤル、ひとつの間違い度スコア — モデルが実際に学ぶ仕組み、小さな一歩ずつ。
「RAG（検索拡張生成）」とは？
AIを自分の文書から答えさせる — まず検索、次に生成、出典つき。
「ベクトル埋め込み（エンベディング）」とは？
意味を座標に変える — 単語が一致しなくても機械が「似たもの」を見つける仕組み。