要理解这四个超参数（Hyperparameters）如何与 Prompt（提示词）协同工作，我们可以用一个驾驶的比喻： Prompt 是方向盘和导航地图：它决定了你要去哪里、走哪条路线（任务目标、背景、格式）。 超参数 是油门、悬挂系统和方向盘的灵敏度：它决定了你开车的风格（是稳重安全地按既定路线开，还是喜欢随性漂移、探索未知小路）。 这两者必须高度协同。一个严谨的 Prompt 配上极其奔放的超参数，会导致模型“胡言乱语”；而一个需要创意的 Prompt 配上极度保守的超参数，则会产出极其平庸的内容。 以下是这四个超参数的具体作用，以及它们如何与 Prompt 产生化学反应： --- 1. Temperature (温度) —— “发散度与可预测性控制” 机制： 它调整了模型预测下一个词（Token）的概率分布。温度越低（趋近于 0），模型越倾向于选择概率最高的那个词；温度越高（趋近于 1 或更高），概率分布越平缓，模型可能会选择概率较低、更冷门的词。 与 Prompt 的协同效应： 低 Temperature (0.0 - 0.3) + 逻辑/事实型 Prompt： 协同效果...
播面