解密企業級大模型智能體Agentic AI 關鍵技術：MCP、A2A、Reasoning LLMs- GPT源代碼解析
我們可以稍微看一下， 這是我們GPT的基于它的源代碼產生的可視化的內容。
這邊是model ，我們在談這個sampling的時候，本身首先就是說它這個probability distribution ，會有很多的參數對它進行影響。例如temperature，如果你是high temperature的話， 分布相對更加的 平均，導致的結果就是你可能有更多的surprise，因為他在選擇的時候，選擇的范圍或者說空間可能會更多，探索的內容可能更多。然后top k我相信這個大家肯定都很清楚， 例如說你前面50個，你從前面50個里面選 。
我們回到這里，比如說這邊你有10萬個token，然后你選擇的概率最高的50個 ，然后這邊是top p這個在我們的大模型智能體中特別重要，包括the reasoning model的， 例如說你已有的十個token，它累加變成這個P這樣的一個概率。比如說0.9，也就是說百分前90%的的概率里面token累加，但是他累加的結果就是他可能說是十個，也可能是50個，也可
)
