do_sample

do_sample 参数控制是否使用采样方法生成输出。当 do_sample=True 时，模型会根据下一个 token 的概率分布进行采样；当 do_sample=False 时，模型会选择概率最大的 token 作为输出。

temperature

temperature 参数通过影响 softmax 控制生成输出时每个 token 的概率分布的平滑程度。

不考虑 temperature 参数，softmax 概率分布的计算公式为：

$$\text{prob}(x_i) = \frac{e^{x_i}}{\sum_{j=1}^{n} e^{x_j}}$$

加入 temperature 参数后，softmax 概率分布的计算公式为：

$$\text{prob}(x_i,t) = \frac{e^{\frac{x_i}{t}}}{\sum_{j=1}^{n} e^{\frac{x_j}{t}}}$$

下图展示了 temperature 参数的影响：

top_k

top_k 参数控制生成输出时，只考虑概率最高的 top_k 个 token。

下图展示了 top_k 参数的影响：

top_p

top_p 参数与 top_k 参数类似，区别在于 top_p 参数控制生成输出时，只考虑累计概率分布在前 top_p 的 token。

下图展示了 top_p 参数的影响：

协同工作

同时使用 temperature、top_k、top_p 参数时，它们的影响会以一定顺序叠加。

下图展示了同时使用 temperature、top_k、top_p 参数的影响：

temperature、top_k、top_p 参数不会改变各 token 概率的相对大小，因此当 do_sample=False 时，token 的选择不会受到上述三个参数的影响。