Temperature 与 top_p 配合核心原则：**同向调节保风格（低 - 低求稳、高 - 高求创），避免极端互斥组合；先定 Temperature 控"胆量"，再调 top_p 控"视野"** 。
核心协同机制
二者分阶段作用于采样流程：Temperature 先对原始 logits 进行缩放（改变概率分布陡峭度），top_p 再基于缩放后的分布执行累积概率截断（动态筛选候选集）。低温 + 低 p 极度收敛防幻觉，高温 + 高 p 大幅发散激创意；若"低温 + 高 p"易导致机械重复，"高温 + 低 p"则可能引发逻辑断裂 。
典型场景推荐组合
- 严谨事实/代码/数学 ：
temperature=0.1~0.3+top_p=0.5~0.8（聚焦高置信词，抑制发散） - 通用对话/摘要/翻译 ：
temperature=0.5~0.7+top_p=0.8~0.9（平衡流畅度与准确性） - 创意写作/头脑风暴/营销 ：
temperature=0.8~1.2+top_p=0.9~0.95（拓宽长尾词采样，激发新颖性） - 调试避坑 ：严禁
temperature≈0且top_p<0.2（易陷入循环重复）；避免temperature>1.5配top_p<0.5（语义易断裂） 。
调参实操策略
- 单变量优先 ：固定
top_p=0.9调节 Temperature 观察创意度变化，再微调 top_p 修正离题风险 。 - 异常修正：出现重复短语先降 Temperature，若内容跑题先降 top_p；长文本生成需随长度动态微调以防质量衰减 。
- 默认起点 ：不确定时从
temperature=0.7, top_p=0.9起步，根据输出"太死板"或"太胡扯"反向校准 。
注：部分模型接口中"top"指代 top_p（核采样），少数指 top_k（固定数量截断），配置时需确认参数名含义；通常建议优先使用 top_p 因其自适应性强于固定 top_k 。