在大模型（如 GPT）中，生成文本时的控制参数对于最终输出的质量至关重要。Top-k、Top-p 和温度是三个非常重要的超参数，它们决定了模型在生成文本时的"创造力"和"多样性"。让我们通过这篇文章和一张图，一起来秒懂它们的作用。

一、Top-k 采样

Top-k是一种控制模型生成文本时选择词汇的策略。简单来说，Top-k 采样意味着在生成每个词时，模型只从概率排名前 k 的词汇中进行选择。如下图：我们设定 Top-k = 3，即只保留概率最高的 3 个候选 token，再从中按概率随机采样一个作为输出。

图 1：Top-K = 3 示意——圈选概率最高的 3 个 token（“在/好/有”）作为采样候选池，按概率随机选出一个（图中蓝色柱"好"为采样结果），其余 token 被剔除

• 工作原理：在生成一个词时，模型会计算每个词的概率，然后将概率最高的 k 个词选出作为候选。接着，从这 k 个候选词中随机选一个作为下一个词。
• 作用：Top-k 限制了候选词的数量，从而避免了模型在生成过程中选择到一些极其低概率的词汇。这可以有效避免生成不相关或荒谬的文本，同时也保证了一定的多样性。

Top-k 的优缺点：

• 优点：限制了模型的选择范围，可以减少生成过程中不合适的词汇，同时保留了一定的创造性。
• 缺点：如果 k 过小，可能会导致文本生成过于单一，缺乏多样性。

二、Top-p 采样（核采样）

Top-p采样，也被称为核采样（nucleus sampling），是另一种根据概率分布来选择词汇的方法。与 Top-k 不同，Top-p 并不预设一个固定的候选词数量，而是根据概率累积选择，累计概率是我们可以设定的参数，如下图：我们设定Top-p = 0.7，把所有 token 按概率从高到低累加，累计概率达到 0.7 为止（如图中累计 0.73 > 0.7），构成候选词池，再从中按概率随机采样一个作为输出。

图 2：Top-P = 0.7 示意——词表按概率从高到低累加（0.2 + 0.17 + 0.14 + 0.12 + 0.1 = 0.73 > 0.7），圈选前 5 个 token 构成候选池，按概率随机选出一个（图中蓝色柱"好"为采样结果）

• 工作原理：在每个词的生成过程中，模型会按概率从大到小排列所有词汇，然后累加概率，直到累积概率达到 p（通常是 0.9 或 0.95）。这时，所有累积概率之和超过 p 的词汇构成候选词池。接着，从这个池中随机选择下一个词。
• 作用：Top-p 采样灵活性更高，可以根据实际情况动态调整候选词的数量，避免了固定选择数量可能导致的限制。

Top-p 的优缺点：

• 优点：相较于 Top-k，Top-p 更加灵活，可以根据实际情况调整生成的多样性，并避免生成无意义或不合适的词汇。
• 缺点：如果 p 设定得过高，生成的文本可能会变得过于"自由"，有时缺乏连贯性。

三、温度（Temperature）

温度是控制生成词汇分布平滑度的超参数。它直接影响模型生成词汇的概率分布。说白了，其实就是在 softmax 函数上除以一个 T 值：

图 3：温度调整公式——P′(x) = P(x)^(1/T) / Σ P(x)^(1/T)，即把原始概率取 1/T 次方后重新归一化

P(x) 是词汇 x 的原始概率，P′(x) 是温度调整后的概率。

• 当 T = 1 时，概率分布保持不变，直接按照模型预测的概率进行选择。
• 当 T < 1 时，概率会更加集中在高概率词汇上，模型更加保守。
• 当 T > 1 时，概率分布会更加平滑，低概率词汇的选择机会增大，模型变得更加"大胆"。

图 4：温度对概率分布的影响——T = 0.3 低温导致分布尖锐（集中在高概率词汇），T = 1 保持原分布，T = 3 高温导致分布平坦（低概率词汇机会增大）

• 工作原理：在生成每个词时，模型根据当前温度对概率分布进行调整。具体来说，温度值控制着概率分布的"尖锐度"：
• 作用：温度参数的主要作用是控制生成文本的创造性。低温度使模型更"保守"，高温度则让模型更加"大胆"并产生更多可能的输出。

温度的优缺点：

• 优点：可以调节模型生成文本时的多样性，低温度有助于生成高质量且一致的文本，而高温度适合创意性和探索性的任务。
• 缺点：温度设定过高可能导致文本不连贯，过低则可能使生成内容过于单一和机械化。

通过合理调整 Top-k、Top-p 和温度这三个超参数，我们可以在文本生成过程中平衡稳定性与创造性，从而优化模型的输出。下面是这三者的总结作用：

• Top-k：限制候选词数量，避免过于极端的词汇选择，保持一定的多样性。
• Top-p：动态调整候选词池，避免固定限制，同时保持生成的自然性和灵活性。
• 温度：控制输出的创造性，低温度生成高质量、一致性强的文本，高温度则增加多样性和创新性。

这三个超参数相辅相成，通过巧妙调整，可以帮助我们得到更加理想的文本生成结果，既能保证语义的连贯性，也能提供创意的空间。