温度参数是什么？生成随机性与事实准确性需要分开
解释温度怎样影响候选词元概率，用同题标题生成说明变化与核对方法，并指出当前模型可能限制或忽略该参数，低温不等于正确。
先理解这个概念
温度Temperature是部分文本生成系统用于调节采样概率分布的参数。一般在支持该机制时，较低温度让高概率候选更突出，较高温度让分布更平缓，可能增加变化。它不是知识更新或事实核查开关，也不保证低温输出正确。不同模型可能不开放此设置，使用前必须核对当前接口支持。
调节概率分布并不改变已有事实依据
例如让模型为同一篇文章给出标题，温度变化可能影响措辞的多样性。但日期是否正确仍由输入依据和模型处理决定，不能通过调低温度把错误日期自动纠正。对需要保留原文数字的任务，最终仍应逐项对照。
Hugging Face生成配置说明温度作用于后续词元概率，并且需要结合实际解码方式理解。若运行的是不使用采样的策略，修改采样参数可能没有预期作用。不要只保存一个温度数字而遗漏其余生成配置。
同一参数在不同产品中未必都能调整
当前Google文本生成资料写明，Gemini 4与3.6及以后相关模型会忽略自定义温度等采样值，并返回弃用告警。这个事实说明设置不是通用能力，接入新模型时应核对支持列表，不能沿用旧教程里的调参流程。
不同实现的范围和默认值也可能不同，不能把两个服务的相同数字当成完全相同的行为。接口接受字段还不一定代表它参与计算，需要检查官方定义和返回告警。本文没有对任何模型进行参数对比实验。
固定输入并检查多次结果才有比较意义
若确实支持调整，保留相同模型和任务，分别检查输出变化及关键错误。写作可以观察是否反复出现近似标题，信息提取则关注字段是否稳定。不能仅挑一份更有趣的回答，就断言某个温度是所有任务的最佳配置。
低随机性也不保证逐次完全一致，硬件或服务实现可能带来其他变化。需要可复查结果时，保存输入和版本，并用外部规则核验事实。温度适合讨论生成选择，不能替代任务验收或作为模型可靠性的单一指标。
核对来源
以下资料用于核对概念和方法。文中的示例与测试范围分别注明，实际使用时请核对所用工具的版本。