大模型微调的“温度”参数，原来影响的是 softmax

大家好啊，我是董董灿。

在对大模型进行微调训练时，经常会看到几个重要的超参数，用来控制大模型生成文本的效果。

其中一个超参数叫做?Temperature，中文名字叫温度，初见时很是不解，为啥一个模型还有温度这个选项。

其实温度这个超参数，是可以控制模型输出的多样性。

可以这么理解，热力学上，温度越高，分子运动越剧烈；温度越低，分子运动越缓慢。

在大模型中也是这样，温度这个参数的值越高，代表了输出结果越多变，越"歇斯底里"，用褒义词讲，叫越具有多样性和创意性。

那么这个参数到底是如何控制大模型的输出效果的呢？今天就一起来了解一下吧。

1、温度影响的是 softmax 函数

之前介绍过 softmax 这个函数，它的作用是将原始数据归一化到 0-1 之间的概率分布，并且拉开输入数据之间的差距，让大的数据概率变得更大，小的数据概率变得更小。

关于softmax的原理介绍，查看：10 分钟搞懂 softmax 的底层逻辑。

对应到大模型中，softmax 的作用体现如下：

• 我们在跟大模型对话时，它会输出文本作为回答。模型在预测下一个输出的单词时，首先会为每个可能的词计算一个分数(这个分数基于模型的当前状态和它对语言的理解)。

• 然后，softmax 函数将这些分数转换为概率(上面的链接查看具体过程)，转换的过程就会使得分数较高的词的概率更高，而分数较低的词的概率更低，从而模型选择概率更高的单词作为输出。

这是 softmax 函数的作用。

不过这是没有?Temperature?参数的 softmax，一旦加上?Temperature?参数，就会使的这个函数发生一点微妙的变化。

首先，在不考虑 Temperature 的情况下，softmax 函数的标准形式是这样的：

这里，Z 是一个向量，其中每个元素? Zi 代表模型为一个特定词语计算出的分数。理解为这是一对备选的下一个单词或词组的分数值。

函数 e^Zi 是对每个分数求指数值，分母是对所有分数的指数值求和，从而确保了所有单词的概率加起来等于1。

2、 高温度让 softmax 变得平滑

当引入?Temperature?参数?T?时，公式变为：

在这个修改后的公式中：

• 当?T = 1 时，它就是普通的 softmax 函数。

• 当?T > 1 时，分数之间的差异会减小，导致概率分布更加均匀（增加随机性和创新性），T越大，概率差异越小。

• 当?T < 1 时，分数之间的差异会增大，使得高分数的词的概率远远高于低分数的词（增加确定性和预测性）。

因此，Temperature 通过调节分数的缩放来影响 softmax 函数的输出，进而控制模型在生成文本时的随机性和创新性。

再说的通俗一点，本来模型倾向于选择最高概率的单词(老大)作为输出，一旦将 T 调高，那么大家的概率会变的更加均匀，大家的差距拉的不会很开，此时选择老大还是老二差别不大。

因此，模型可能会选择老大，也可能会选择老二，甚至老三，这样模型就有更多选择性，从而变得更加有创意。

因此，当你调整 Temperature 参数时，实际上是在调节这个转换过程中的“平滑度”或“尖锐度”。

上图展示了这个过程：在低温度下(黄色)，softmax 输出的概率函数更加尖锐，意味着高分数的词语概率会更高，而低分数的词语概率会更低。

这导致模型更倾向于选择那些最有可能(概率最大)的词语，一种场景就是，给大模型相同的提问，每次都会得到类似的回答。

在高温度下(蓝色)，softmax 输出的函数变得更平滑，即使分数较低的词也有合理的被选择概率。

此时对于相同的提问，就会使得模型具有更大概率生成不一样的回答，从而表现出更加有创意。