دمای مدل و خلاقیت؛ تنظیم رفتار خروجی بدون تغییر پرامپت
گاهی مشکل از پرامپت نیست، از تنظیم مدل است؛ آموزش درک دما و خلاقیت، جدول انتخاب مقدار درست و دو قالب فارسی برای کنترل رفتار خروجی.
دو کاربر یک پرامپت را می‌نویسند؛ یکی خروجی خلاق و متنوع می‌گیرد و دیگری خروجی خشک و تکراری. تفاوت، همیشه در پرامپت نیست: دمای مدل (Temperature) تعیین می‌کند مدل در انتخاب واژه‌ها چقدر «جسور» باشد. درک این تنظیم، به شما کنترلی می‌دهد که با پرامپت به‌سختی به دست می‌آید.
دمای مدل به زبان ساده
دمای پایین یعنی مدل سرِ واژه‌های محتمل می‌ماند: جواب‌های محافظه‌کار، تکرارپذیر و مناسب کارهای دقیق. دمای بالا یعنی مدل به واژه‌های کم‌احتمال‌تر هم شانس می‌دهد: متن‌های متنوع‌تر و گاهی غافل‌گیرکننده — و البته گاهی نامطمئن‌تر. مفهوم پایه را در دمای مدل چیست از دانشنامهٔ امروزینو بخوانید.
کجا تنظیم دما در دسترس است؟
در چت‌های معمولی، تنظیم مستقیم دما در دسترس نیست — اما با پرامپت می‌توانید «رفتارِ» آن را شبیه‌سازی کنید: کلماتی مثل «دقیق و بدون اضافه‌گویی» یا «جسور و متفاوت بنویس» عملاً مدل را به سمت همان رفتار می‌برند. در API و برخی ابزارهای حرفه‌ای، دما مستقیماً قابل تنظیم است. جدول زیر راهنمای انتخاب است.
| کار | دمای پیشنهادی | معادل پرامپتی |
|---|---|---|
| استخراج داده، JSON، خلاصهٔ فنی | کم | «فقط از متن موجود؛ بدون اضافه» |
| ایمیل رسمی، مستندات | کم تا متوسط | «محتاط، بدون ادعای بی‌منبع» |
| مقالهٔ وبلاگی | متوسط | «روان با مثال؛ کلیشه نه» |
| کپشن، داستان، ایده | بالا | «جسور، از کلیشه فاصله بگیر» |
قالب ۱ — شبیه‌سازی دمای پایین با پرامپت
وظیفه: از متن زیر فقط «شش‌نمک» را استخراج کن.
قواعد: هیچ واژه‌ای که در متن نیست اضافه نکن؛ اگر موردی نبود بنویس «نبود»؛
خروجی فهرست شماره‌دار، هر آیتم حداکثر ۶ واژه.
متن: [متن شما]
قالب ۲ — شبیه‌سازی دمای بالا با پرامپت
وظیفه: برای کمپین [موضوع شما] سه ایدهٔ متفاوت از کلیشه‌های رایج بده.
قواعد: هر ایده باید در یک جملهٔ «غیرمنتظره اما معقول» خلاصه شود؛
کلمات قالبی مثل «انقلابی» و «بی‌نظیر» ممنوع؛ اگر ایده‌ات شبیه تبلیغ‌های
معروف شد، دورش بینداز و جایگزین بده.
خطاهای رایج دربارهٔ دمای مدل
۱. گفتنِ «خلاق باش» و انتظارِ «دقیق باش» هم‌زمان. این دو در یک خروجی جمع نمی‌شوند؛ اول تصمیم بگیرید کدام را می‌خواهید. ۲. دمای بالا برای کارهای قالب‌دار. استخراج داده با دمای بالا، یعنی کلیدها و مقادیر نوسان می‌کنند. ۳. سرزنش پرامپت برای مشکلِ تنظیم. اگر خروجی‌های مشابه کافی‌اند ولی دنبال «فرم ثابت» هستید، مشکل از دما/قالب است نه از محتوای پرامپت. برای تفکیک بهتر، بهینه‌سازی تکرارشوندهٔ پرامپت را بخوانید.
دما در کنار پرامپت؛ ترکیب درست
قاعدهٔ جمع‌بندی ما: اول رفتار را در پرامپت تعریف کنید، بعد دما را تنظیم کنید. پرامپت جهت می‌دهد و دما میزان ریسک واژه‌ها را. بدون جهتِ پرامپت، دمای بالا فقط «تصادفی» می‌سازد نه «خلاق». برای اصول کلی جهت‌دهی، پرامپت فارسی را از دست ندهید.
جمع‌بندی
دمای مدل، پیچ تنظیم میان «ثبات» و «تنوع» است. برای کارهای دقیق پایین بگذارید و با جمله‌های محدودکننده در پرامپت، آن را تقویت کنید؛ برای کارهای خلاق، بالا بگذارید و با «کلیشه ممنوع» جلوی آشفتگی را بگیرید. همین آگاهی ساده، نیمی از شکایت‌های «مدل مرتب حرف عوض می‌کند» را حل می‌کند.
جدول مقایسه: کنترل با دما یا کنترل با پرامپت؟
| معیار | تنظیم دما | قید در پرامپت |
|---|---|---|
| دسترسی | فقط API و برخی ابزارهای حرفه‌ای | همه‌جا، حتی چت رایگان |
| اثر | پخش واژه‌ها (تنوع) | جهت و مرز خروجی |
| پیش‌بینی‌پذیری | بالا و فنی | متوسط و زبانی |
| بهترین کاربرد | خروجی ماشینیِ تکرارشونده | هر کار روزمره |
| ترکیب درست | پایه: دمای کم برای داده | روی آن: قید «کلیشه ممنوع» |
قاعدهٔ نهایی این جدول در یک جمله: دما «چقدر جسور» را تعیین می‌کند و پرامپت «در کدام جهت». کاربر بدون API فقط ستون دوم را دارد — و اتفاقاً همان ستون بیشترین اثر را هم می‌گذارد؛ چون خروجی بدِ رایج معمولاً بی‌جهت است، نه کم‌جسورانه. یک آزمایش کوچک برای لمس تفاوت: یک ایده‌پردازی ساده را دو بار اجرا کنید؛ بار اول با جملهٔ «سه ایدهٔ متفاوت بده» و بار دوم با «سه ایده که هیچ‌کدام شبیه تبلیغ‌های رایج این حوزه نباشند؛ هر ایده با یک جزئیات غیرمنتظره». تفاوت خروجی این دو، عملاً همان تفاوتی است که دمای بالاتر می‌سازد — با این فرق که جهتش را شما تعیین کرده‌اید، نه شانس. به همین دلیل حرفه‌ای‌ها اول پرامپت را می‌سازند و اگر به API رسیدند، دما را فقط برای تثبیت کارهای ماشینی پایین می‌آورند.
پرسش‌های پرتکرار
در ChatGPT می‌توانم دما را عوض کنم؟
در چت معمولی نه؛ همان اثر را با پرامپت می‌گیرید. در API بله.
دمای بالا دقت را کم می‌کند؟
در کارهای واقعی‌سازی‌شده و استخراج داده بله؛ در متن خلاق، دقتِ «واقعیت» اصلاً معیار اصلی نیست.
مقدار دقیق پیشنهادی چیست؟
برای متن‌های دقیق حدود ۰٫۲ تا ۰٫۴؛ برای محتوای عمومی حدود ۰٫۷؛ برای ایده‌پردازی بالاتر. اعداد، نقطهٔ شروع‌اند نه قانون.
دمای صفر یعنی خروجی همیشه یکسان؟
معمولاً بسیار مشابه اما نه لزوماً یکسان؛ عوامل فنی دیگری هم در میان‌اند. برای تکرارپذیری کامل، به تنظیمات API و ثابت‌نگه‌داشتن بقیهٔ پارامترها نیاز دارید.
این مطلب برایتان مفید بود؟
با پسندیدن، به ما کمک می‌کنید مطالب بهتری منتشر کنیم.
