English(EN) Temperature 0 is not reproducible. I measured 30 percent of my output changing between identical runs.

LLM推理批处理导致显著的输出不可复现性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-05 04:41

大型语言模型（LLM）即使在温度设置为0时也会表现出不可复现的输出，这是由于推理过程中的批处理。这是因为批处理计算涉及与非批处理不同的矩阵乘法和浮点运算，导致logits的微小差异，当概率接近时会改变token的选择。作者在A/B测试比较过滤器的有效性时发现了一个不可能的结果，从而发现了这个问题，揭示了底层模型输出在运行之间存在显著差异（约30%的记录发生变化），这并非由于采样，而是由于批处理。 AI

影响 LLM输出的可复现性对于研究和生产至关重要；这一发现表明批处理会引入微妙但显著的变化，影响基准测试和A/B测试。

排序理由该条目详细介绍了关于LLM推理行为的技术发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 dev.to — LLM tag 阅读 →

基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 28 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目详细介绍了关于LLM推理行为的技术发现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · Rickesh T N · 2026-09-05 04:41

Temperature 0 不可复现。我测量到 30% 的输出在相同运行之间发生变化。

I set temperature to 0, ran the same document through the same model twice with the same prompt, and got different answers. Not subtly different. Roughly a third of the extracted records changed. The cause is not sampling. It is batching. <div class="tab…

本文如何被排名

报道来源 [1]

Temperature 0 不可复现。我测量到 30% 的输出在相同运行之间发生变化。

相关话题