温度能校准模型吗？

温度缩放是最简单的后校准方法，调 T 使输出置信度匹配实际准确率；但它只缩放分布、不能修正错误预测的方向。

生成时温度设多高？

创意写作用较高 T(0.7~1.0)增多样性，事实问答用低 T(0~0.3)增确定性；过高会胡言乱语，过低则重复僵化。

🖼️ Temperature-Scaled Softmax Visualizer

See how a temperature parameter sharpens or flattens a softmax distribution, which is the basis of model calibration.

📐 计算公式 / 原理

Pᵢ(T) = e^{zᵢ/T} / Σⱼ e^{zⱼ/T}；分布熵 H = −Σ Pᵢ ln Pᵢ

温度 T 控制分布锐度：T→0 趋近 one-hot（更确定），T→∞ 趋近均匀分布。训练时用高温做知识蒸馏可暴露类别间关系；但温度缩放只改变锐度不改变排序，不能修复模型本身的排序错误。

Logit 1

Logit 2

Logit 3

温度 T

温度影响分布

logits=[2,1,0.5]，T=1 → 概率≈[0.56,0.21,0.23]；T=2 → [0.46,0.30,0.24] 更平滑；T=0.5 → [0.76,0.17,0.07] 更尖锐。argmax 始终为第 1 类。