온도

모델은 다음 토큰 후보에 확률을 매긴 뒤 샘플링합니다. 온도는 그 확률을 변형합니다. 0에서는 거의 항상 가장 가능성 높은 토큰을 고르고(결정적·반복적·안전), 1.0 이상에서는 더 자유롭게 샘플링합니다(다양·창의적·가끔 비일관).

실전 규칙: 정답이 있는 작업 — 추출·분류·코드 패치·SQL — 은 온도를 0에 가깝게. 브레인스토밍·네이밍·소설 등 '의외성'이 목적이면 높게(0.7~1.0). 채팅 앱은 알아서 고정하지만, API 사용자는 의도적으로 설정하세요.