🎯 一句话理解：
温度 TTT 控制 Softmax 输出的"确定性"和"分布平滑度"：
- T→0T \to 0T→0：输出极度确定 → 接近 one-hot（只保留最大）
- T→∞T \to \inftyT→∞：输出极度模糊 → 接近均匀分布（平均对待所有类别）
📐 数学表达回顾
带温度的 Softmax：
softmaxT(zi)=ezi/T∑jezj/T \text{softmax}_T(z_i) = \frac{e^{z_i / T}}{\sum_j e^{z_j / T}} softmaxT(zi)=∑jezj/Tezi/T
温度 TTT 的作用就是 "缩放 logits"：
- T<1T < 1T<1：放大差异（更极端）
- T>1T > 1T>1：压缩差异（更平滑）
🎨 图示理解（示意）：
假设 logits 为 z=1, 2, 3\mathbf{z} = 1,\\ 2,\\ 3z=1, 2, 3，我们来看不同温度下的 softmax 输出：
| 温度 TTT | 输出分布 softmaxT(z)\text{softmax}_T(\mathbf{z})softmaxT(z) | 解释 |
|---|---|---|
| T=0.5T = 0.5T=0.5 | 0.02, 0.14, 0.840.02,\\ 0.14,\\ \\mathbf{0.84}0.02, 0.14, 0.84 | 非常尖锐，几乎就是 argmax（one-hot） |
| T=1.0T = 1.0T=1.0 | 0.09, 0.24, 0.670.09,\\ 0.24,\\ \\mathbf{0.67}0.09, 0.24, 0.67 | 正常 softmax 输出 |
| T=2.0T = 2.0T=2.0 | 0.21, 0.29, 0.500.21,\\ 0.29,\\ \\mathbf{0.50}0.21, 0.29, 0.50 | 更平滑了，权重更平均 |
| T=10.0T = 10.0T=10.0 | 0.31, 0.33, 0.360.31,\\ 0.33,\\ \\mathbf{0.36}0.31, 0.33, 0.36 | 几乎是均匀分布 |
📈 越低温度 → 越倾向"选择明确答案"
📉 越高温度 → 越倾向"平均分给所有类别"
🧠 为什么温度能改变行为？
从公式：
softmaxT(zi)=ezi/T∑jezj/T \text{softmax}_T(z_i) = \frac{e^{z_i/T}}{\sum_j e^{z_j/T}} softmaxT(zi)=∑jezj/Tezi/T
你可以看到：
- T<1T < 1T<1：放大 ziz_izi 之间的差异 → 指数函数会更快拉开差距 → 更接近 one-hot
- T>1T > 1T>1：压缩差异 → 所有类别得分趋于接近 → 更平均分布
温度其实是一个 "控制决策锋利程度的温控器"。
🧪 类比理解
- 🎯 低温：像一个"果断的人"，认定哪个最好，立刻选
- 🌫️ 高温：像一个"犹豫的人"，认为都差不多，都给点分数
🔥 在实际中你怎么用？
| 场景 | 使用温度的目的 |
|---|---|
| 生成文本（GPT） | 控制"创造性"：低温 → 严谨、重复；高温 → 发散、创新 |
| 知识蒸馏 | 设置 T>1T > 1T>1，让教师模型输出更平滑的"软标签"，学生能学到更多类别间相似性 |
| 策略采样（RL） | 控制探索程度：低温 → exploitation；高温 → exploration |
| 逐步退火训练 | 初始 TTT 高让模型广泛探索，训练后期逐渐降低使其收敛到更稳定策略 |
✅ 总结：温度的作用就是调节"概率分布的形状"
| 温度 TTT | Softmax 输出 | 含义 |
|---|---|---|
| T→0T \to 0T→0 | 极度 one-hot | 更"果断"，强调最高得分类别（贪婪） |
| T=1T = 1T=1 | 标准 softmax | 正常行为 |
| T→∞T \to \inftyT→∞ | 接近均匀分布 | 更"保守"，保持可能性（探索） |