同一道题每次答案不同，怎样控制随机性并保留必要的生成多样性？

区分措辞变化和实际事实错误

适用于同一道题在事实、格式或措辞上反复变化，难以比较提示词改动的情况。先区分允许的改写与真正错误：商品说明换一种说法可能可接受，金额或引用发生变化则需要追查。把这些条件写进评测表，避免用逐字一致代替所有任务的质量判断。

检查采样开关与输入是否固定

先核对运行时是否启用了采样，查看请求中的温度与Top-p是否确实生效。部分服务没有开放种子，某些配置只在采样模式下起作用。还要检查检索资料或工具返回是否每次更新，否则即使生成设置相同，输入变化也足以造成不同结果。

在固定资料上比较单项参数

固定一组输入及资料快照，先保留当前配置的重复结果，然后只改变一个控制项。对Transformers，比较do_sample关闭与开启时的表现，并保存实际GenerationConfig。不要同时改变温度和多个截断阈值；需要创作多样性时，保留可读性及事实约束，再评价风格变化。

分别验证事实一致与表达多样

验证时分别报告固定事实是否一致，以及允许变化的表达是否仍符合任务。重复运行多次后保留原始结果，而非只挑最好的一份。如果新的设置使答案完全一致，却持续遗漏关键字段或重复同一段内容，仍然没有完成实际目标。

确定性解码并不等于事实正确，较低温度也不能修复缺少依据的问题。不同硬件计算和后端实现可能影响可复现程度。本文不提供“温度为零即绝对相同”的承诺；跨系统比较时应把运行环境差异记录在结果旁边，而不是把随机变化全部归于提示词。