温度与采样

有位老师傅带徒弟做酱，菜谱一模一样写死在墙上——同样的料、同样的火。可每次出缸味道总有微差：有时偏咸，有时偏香。徒弟问为什么。师傅说，火候我从不掐死，总留一线：今天风大多熬一会儿，明天手抖少放一撮；但走偏太远的整缸倒掉，只留那些跟上一回还搭得上边的。一年下来，同一份菜谱出几十缸微妙不同的酱，却没有一缸是离谱的。徒弟后来才想明白：师傅从没打算让每缸一样，也没打算让每缸都不一样——他管的不是味道，是「允许偏多少」。

这说的就是 温度与采样。

故事里的人事物，对应的是：
· 墙上的菜谱 = 模型输出的概率分布（下一词该是什么的权重表）
· 「留一线」的火候 = 温度，调随机性高低
· 整缸倒掉、只留搭得上边的 = 截断（top-k / top-p），砍掉长尾低概率项
· 同一菜谱出几十缸酱 = 同一 prompt 多轮跑，答案会抖
· 徒弟以为「该每缸一样」= 误把模型当确定性函数