temperature，topk傻傻分不清？一文带你读懂LLM推理超参

最新推荐文章于 2025-05-15 09:25:29 发布

Python_金钱豹

最新推荐文章于 2025-05-15 09:25:29 发布

阅读量1.8k

点赞数 16

文章标签： python 开发语言科技人工智能 3d 知识图谱 gpt

本文链接：https://blog.csdn.net/Python_cocola/article/details/142643290

版权

在使用 LLM 进行推理的时候，我们经常会看到一些推理超参数，比如 temperature 和 repetition penalty 等等。一般来讲，temperature 对应着 LLM 的输出随机性，而 repetition penalty 则会在一定程度上阻止 LLM 陷入无限循环的困境。但是这些推理超参数发挥作用的原理究竟是什么呢？

因此，我们将从 transformers 4.43.1 版本的源码出发，为大家解读 temperature、top-p、repetition penalty 和 top-k 的原理及作用，希望对大家有所帮助。所有的代码均可以在 https://github.com/huggingface/transformers/blob/v4.43.1/src/transformers/generation/logits_process.py[1] 中找到。

下图是一张来自 LMDeploy API Server 的截图，里面展示了 LLM 的一些推理超参数。OpenAI 的推理接口同样支持 temperature、top-p 和 repetition penalty 参数，而 LMDeploy 的 API Server 接口还额外支持 top-k 参数。

Temperature

我们首先来看 TemperatureLogitsWarper 类，位于第 236 行。在经过删改（主要删去了说明文档，以及数值合法性检验部分）后，主要逻辑如下所示。

class TemperatureLogitsWarper(LogitsWarper):          def __init__(self, temperature: float):           self.temperature = temperature          def __call__(self, input_ids: torch.LongTensor, scores: torch.FloatTensor) -> torch.FloatTensor:           scores_processed = scores / self.temperature           return scores_processed

可以看到，temperature 参数是用于缩放 LLM 下一个 token 的 score 的参数，从而增大 LLM 输出的随机性。由于 LLM 预测下一个 token 的过程本质上是一个分类任务，score 即为分类头在经过 softmax 前的输出。让我们回到 softmax 函数，在加入 temperature 参数后的 softmax 函数是。接下来，我们看一个例子：

假设应用 temperature 前的三个 token 的 score 分别为 A：0.1，B：0.5，C：0.9，temperature 的影响如下图所示。

不难看到，随着 temperature 的变大，ABC 三个 token 之间的概率分布差距逐渐变得越来越小。此时，选择到 token A 的概率变大了，LLM 输出的随机性也就增加了。

Top-P

接下来是位于第 411 行的 TopPLogitsWarper 类，同样删去了说明文档和数值合法性检查

class TopPLogitsWarper(LogitsWarper):          def __init__(self, top_p: float, filter_value: float = -float("Inf"), min_tokens_to_keep: int = 1):           top_p = float(top_p)           self.top_p = top_p           self.filter_value = filter_value           self.min_tokens_to_keep = min_tokens_to_keep          def __call__(self, input_ids: torch.LongTensor, scores: torch.FloatTensor) -> torch.FloatTensor:           sorted_logits, sorted_indices = torch.sort(scores, descending=False)           cumulative_probs = sorted_logits.softmax(dim=-1).cumsum(dim=-1)              # Remove tokens with cumulative top_p above the threshold (token with 0 are kept)           sorted_indices_to_remove = cumulative_probs <= (1 - self.top_p)           # Keep at least min_tokens_to_keep           sorted_indices_to_remove[..., -self.min_tokens_to_keep :] = 0              # scatter sorted tensors to original indexing           indices_to_remove = sorted_indices_to_remove.scatter(1, sorted_indices, sorted_indices_to_remove)           scores_processed = scores.masked_fill(indices_to_remove, self.filter_value)           return scores_processed

Top-P 的作用而是只保留那些高概率的 token，且这些 token 的概率总和大于 top-p 参数。我们还是用上面的例子。三个 token 的 score 分别为 A：0.1，B：0.5，C：0.9。

在经过 softmax 后，三个 token 的概率分别为 0.21，0.32，0.47。假设此时 top-p 参数为 0.7，那么由于 A 的概率 0.21 小于 1-0.7=0.3（即 B 和 C 的概率和大于 top-p），此时 A 的 score 将会清零。

因此，经过这样的一个 top-p 处理后，输出的 score 为 A：0，B：0.5，C：0.9。

Repetition Penalty

然后是位于第 302 行的 RepetitionPenaltyLogitsProcessor 类。

class RepetitionPenaltyLogitsProcessor(LogitsProcessor):          def __init__(self, penalty: float):           self.penalty = penalty          def __call__(self, input_ids: torch.LongTensor, scores: torch.FloatTensor) -> torch.FloatTensor:           score = torch.gather(scores, 1, input_ids)              # if score < 0 then repetition penalty has to be multiplied to reduce the token probabilities           score = torch.where(score < 0, score * self.penalty, score / self.penalty)              scores_processed = scores.scatter(1, input_ids, score)           return scores_processed

Repetition Penalty 则是用于缓解LLM循环输出的问题。我们直接看一个例子。假设模型已经输出了三个 token，为 AAA。此时，输出这三个 token 的 score 分别为 A：-0.5，B：0.1，C：-0.4。

如果没有 repetition penalty，直接 softmax 后的概率分布为 A：0.25，B：0.47，C：0.28。不难看到，此时输出A 和 C 的概率仍然较高，尽管他们的 score 已经是负数。

但是，如果我们设置 repetition penalty 为2.0，由于 token A 已经在先前过程中输出过了，而且它的 score 还是负数，那么它的 score 就会再乘以 repetition penalty，以进一步降低输出 token A 的概率。

这样一来，三个 token 的 score 分别是 A：-1，B：0.1，C：-0.4，而 softmax 后为 A：0.17，B：0.51，C：0.31，输出 A 的概率明显地降低了。

Top-K

最后是位于第 478 行的 TopKLogitsWarper 类。

class TopKLogitsWarper(LogitsWarper):          def __init__(self, top_k: int, filter_value: float = -float("Inf"), min_tokens_to_keep: int = 1):           self.top_k = max(top_k, min_tokens_to_keep)           self.filter_value = filter_value          def __call__(self, input_ids: torch.LongTensor, scores: torch.FloatTensor) -> torch.FloatTensor:           top_k = min(self.top_k, scores.size(-1))  # Safety check           # Remove all tokens with a probability less than the last token of the top-k           indices_to_remove = scores < torch.topk(scores, top_k)[0][..., -1, None]           scores_processed = scores.masked_fill(indices_to_remove, self.filter_value)           return scores_processed

与 top-p 的作用相似，top-k 则是保留 score 最高的 k 个 token 的 score。我们继续用上面的例子。三个 token 的 score 分别为 A：0.1，B：0.5，C：0.9。

假设此时 top-k 参数为1，那么只有 score 的 C 会被保留，输出的 score 为 A：0，B：0，C：0.9。而如果 top-k 为2，那么 C 和 B 都会被保留，输出为 A：0，B：0.5，C：0.9。

虽然 OpenAI 接口已经移除了 top-k 参数，但是 transformers 中仍然保有这一参数接口。

写在最后

经过上面的源码解读后，我们可以进行这样的总结：

Temperature 可以增大 LLM 输出的随机性。
Repetition Penalty 可以缓解 LLM 循环输出的问题。
Top-P 和 Top-K 参数会防止 LLM 输出低概率 token，从而一定程度上保证 LLM 输出的质量。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述