TemperatureCampionamento · Casualità
La temperature è la manopola che regola quanto un LLM è "casuale" nella scelta del prossimo token. A zero il modello è deterministico — stessa domanda, stessa risposta. Alzandola introduce varietà: risposte diverse allo stesso input. Non è magia: è statistica applicata al campionamento.
Come funziona tecnicamente
Quando un LLM genera testo, calcola una distribuzione di probabilità su tutti i token possibili. La temperature scala quella distribuzione prima di campionare:
- Temperature = 0 — scegli sempre il token più probabile. Deterministico, ripetibile, preciso.
- Temperature = 0.5 — bilancio tra coerenza e varietà. Buon default per la maggior parte dei task.
- Temperature = 1.0 — campionamento con la distribuzione originale. Più creativo, più imprevedibile.
Bassa (0–0.3): quando usarla
Estrazione dati strutturati, generazione di codice, classificazione documenti, risposte fattuali, sistemi AI in produzione dove serve comportamento stabile.
Alta (0.7–1.0): quando usarla
Brainstorming campagne marketing, varianti di copy per A/B test, scrittura creativa, esplorazione di approcci alternativi a un problema.
Temperature e Second Brain
Quando interroghi il tuo Second Brain, usa temperature bassa — vuoi risposte fedeli ai tuoi dati. La alzi solo nelle sessioni di ideazione, dove vuoi che il modello faccia connessioni inusuali tra le informazioni che hai già accumulato.
// Come lo usa AI Coach Italia
Nel Brain Training Program insegniamo a settare la temperature in base al task: 0 per estrazioni strutturate dal Second Brain, 0.7 per sessioni di ideazione strategica. La differenza pratica è immediata.
Scopri il programma →Domande frequenti sulla Temperature
Cos'è la temperature in un modello AI?
Parametro che controlla quanto casuale è la risposta. Con 0 il modello è deterministico. Con valori alti introduce varietà.
Quando usare temperature bassa vs alta?
Bassa (0–0.3): analisi dati, codice, sistemi in produzione. Alta (0.7–1.0): brainstorming, copywriting, varianti creative.