LLM 调参指南Temperature、TopK、TopP 与 Token 控制使用大语言模型时合理调整生成参数能显著提升输出质量。以下是四个核心参数的实用指南。参数速览Temperature0-1控制随机性。值越低输出越严谨刻板越高越发散、有创意。TopK仅从概率排名前 K 的词汇中挑选压缩候选范围约束输出走向。TopP核采样按概率累加筛选候选词达标后截断候选池平衡规整度与多样性。Max Token限制生成长度。场景调参建议场景TemperatureTopKTopPMax Token代码编写 / 技术问答 / 数据校验0.1-0.35-100.2-0.4512-1024业务总结 / 文档摘要 / 指令执行0.4-0.515-250.6-0.71024-2048日常对话 / 智能体交互 / 文案改写0.5-0.720-300.7-0.82048-4096创意创作 / 脑洞文案 / 诗歌剧本0.7-0.935-500.85-0.954096核心原则高精度任务代码、数据→ 低 Temperature 窄 TopK/TopP确保输出准确可靠。创造性任务写作、创意→ 高 Temperature 宽 TopK/TopP鼓励模型探索更多可能性。中间任务摘要、对话→ 取中庸值在规整和多样性之间找到平衡。调参没有绝对公式上述范围可作为起点根据实际效果微调即可。
