[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"general-list":3,"footer-feature-tags":4,"slate-glossary-term-temperature":66},true,[5,14,20,29,34,40,46,52,56,62],{"id":6,"name":7,"hex":8,"translations":9,"count_pages":13},8,"Компания","#f40925",{"ru":10,"en":11},{"name":7},{"name":12},"Company",9,{"id":15,"name":16,"hex":17,"translations":18,"count_pages":6},26,"Главная страница",null,{"ru":19},{"name":16},{"id":21,"name":22,"hex":23,"translations":24,"count_pages":28},2,"Проекты","#3027ff",{"ru":25,"en":26},{"name":22},{"name":27},"Project",15,{"id":30,"name":31,"hex":17,"translations":32,"count_pages":21},33,"ИИ",{"ru":33},{"name":31},{"id":35,"name":36,"hex":17,"translations":37,"count_pages":39},34,"Комментарии",{"ru":38},{"name":36},4,{"id":41,"name":42,"hex":17,"translations":43,"count_pages":45},25,"Задачи",{"ru":44},{"name":42},24,{"id":47,"name":48,"hex":17,"translations":49,"count_pages":51},27,"Рабочие пространства",{"ru":50},{"name":48},3,{"id":45,"name":53,"hex":17,"translations":54,"count_pages":6},"Kanban-доска",{"ru":55},{"name":53},{"id":57,"name":58,"hex":17,"translations":59,"count_pages":61},23,"Диаграмма Ганта",{"ru":60},{"name":58},1,{"id":28,"name":63,"hex":17,"translations":64,"count_pages":61},"Календарь",{"ru":65},{"name":63},{"detail":67,"more":145},{"id":68,"slug":69,"translations":70,"category":84,"tags":92,"letter":111,"og_image":17,"cover":17,"author_name":17,"author_position":17,"author_avatar":17,"faqs":112,"related":126,"views_count":142,"helpful_yes_count":115,"helpful_no_count":115,"created_at":143,"updated_at":144,"published_at":17},284,"temperature",{"ru":71},{"title":72,"short_definition":73,"tldr":74,"full_explanation":75,"when_to_apply":76,"when_not_to_apply":77,"examples":78,"tips":79,"synonyms":80,"translation_en":81,"seo_title":82,"seo_description":83},"Температура (параметр генерации)","Параметр, регулирующий случайность ответов языковой модели: чем ниже температура, тем более предсказуемы и однообразны ответы.","Температура — это число от 0 до примерно 2, которое управляет разнообразием ответа. При температуре около 0 модель почти всегда выбирает самый вероятный следующий токен, и ответы получаются предсказуемыми. Чем выше значение, тем чаще модель берёт менее вероятные варианты: текст разнообразнее, но менее точен. Для точных задач берут низкую температуру, для творческих — выше.","\u003Cp>Температура — один из главных параметров генерации в языковых моделях. Технически она масштабирует «решительность» модели в выборе следующего токена.\u003C\u002Fp>\u003Ch3>Как выбирать температуру\u003C\u002Fh3>\u003Cul>\u003Cli>\u003Cstrong>0,0–0,3\u003C\u002Fstrong> — точные задачи: классификация, извлечение данных, ответы в формате JSON, генерация кода.\u003C\u002Fli>\u003Cli>\u003Cstrong>0,3–0,7\u003C\u002Fstrong> — содержательные ответы на вопросы, поддержка клиентов, аналитика.\u003C\u002Fli>\u003Cli>\u003Cstrong>0,7–1,2\u003C\u002Fstrong> — творческие задачи: тексты для маркетинга, идеи, генерация вариантов.\u003C\u002Fli>\u003Cli>\u003Cstrong>выше 1,2\u003C\u002Fstrong> — для экспериментов и нестандартных задач; обычные приложения здесь редко работают.\u003C\u002Fli>\u003C\u002Ful>\u003Ch3>Что важно\u003C\u002Fh3>\u003Cul>\u003Cli>Низкая температура не делает ответ «верным», только более стабильным. Если модель часто ошибается на этом запросе, при температуре 0 она будет ошибаться одинаково.\u003C\u002Fli>\u003Cli>Температура связана с другими параметрами генерации — top-p и top-k; обычно меняют что-то одно.\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Когда настраиваете сервис на языковой модели для боевой среды\u003C\u002Fli>\u003Cli>Когда замечаете нестабильность ответов в одинаковых сценариях\u003C\u002Fli>\u003Cli>Когда задача требует разнообразных вариантов (например, генерация заголовков)\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Не нужно для каждого запроса вручную крутить температуру в коде — обычно её задают на уровне продукта или роли модели\u003C\u002Fli>\u003C\u002Ful>","\u003Cp>В одном и том же приложении могут жить два режима: для классификации заявок поддержки — температура 0,1, чтобы одно и то же обращение всегда попадало в одну категорию; для «помоги придумать варианты ответа клиенту» — температура 0,7, чтобы каждый раз получать несколько разных формулировок.\u003C\u002Fp>","\u003Cp>При отладке ответов сначала зафиксируйте температуру на 0 или 0,1: вы сразу увидите, насколько проблема воспроизводима. Когда поведение стабилизировалось, аккуратно поднимайте температуру и смотрите, при каком значении начинает сыпаться качество. Это и будет ваш рабочий диапазон.\u003C\u002Fp>","температура, температура генерации, температура модели, temperature","Temperature","Температура в LLM: что это и как настраивать | Глоссарий Shtab","Температура — параметр случайности ответов LLM. Как она влияет на текст и какие значения брать для классификации, поддержки и творческих задач.",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":88},10,"ai","#a855f7",{"ru":89},{"title":90,"description":91},"Искусственный интеллект","Терминология ИИ и больших языковых моделей: машинное обучение, нейросети, LLM, эмбеддинги, промптинг, RAG, агенты, MLOps, безопасность и этика моделей.",[93,102],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":99},37,"llm","framework","#7c5ce6",91,{"ru":100},{"title":101},"LLM",{"id":103,"slug":104,"kind":105,"hex":106,"order":107,"translations":108},39,"prompt-technique","tool","#14b8a6",93,{"ru":109},{"title":110},"Промптинг","Т",[113,120],{"id":114,"order":115,"translations":116},1502,0,{"ru":117},{"question":118,"answer":119},"Что лучше: низкая или высокая температура?","\u003Cp>Зависит от задачи. Для точных и повторяемых ответов — низкая, для творческих и разнообразных — высокая. Единого «правильного» значения нет: его подбирают опытным путём для каждой задачи в продукте.\u003C\u002Fp>",{"id":121,"order":61,"translations":122},1503,{"ru":123},{"question":124,"answer":125},"Если поставить температуру 0, ответы станут одинаковыми?","\u003Cp>В теории — да, на практике почти всегда одинаковыми, но идеальной повторяемости современные API не гарантируют. Некоторые поставщики добавляют скрытую техническую случайность, поэтому даже при температуре 0 ответы могут немного отличаться от запуска к запуску.\u003C\u002Fp>",{"parent":127,"related":134},[128],{"id":129,"slug":95,"translations":130},264,{"ru":131},{"title":132,"short_definition":133},"Большая языковая модель","Нейросеть с миллиардами параметров, обученная предсказывать следующий токен в тексте и способная отвечать на вопросы, писать код и рассуждать.",[135],{"id":136,"slug":137,"translations":138},273,"prompt",{"ru":139},{"title":140,"short_definition":141},"Промпт","Входной текст, который пользователь или приложение подаёт большой языковой модели и на основании которого она генерирует ответ.",113,"2026-05-11T19:55:54.430123+03:00","2026-05-11T19:55:54.430139+03:00",[146,171,192],{"id":147,"slug":148,"translations":149,"category":154,"tags":157,"letter":169,"cover":17,"updated_at":170,"published_at":17},282,"mcp",{"ru":150},{"title":151,"short_definition":152,"translation_en":153},"MCP (Model Context Protocol, протокол контекста модели)","Открытый протокол, по которому языковые модели и агенты единообразно подключаются к внешним инструментам, данным и сервисам.","Model Context Protocol (MCP)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":155},{"ru":156},{"title":90,"description":91},[158,161],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":159},{"ru":160},{"title":101},{"id":162,"slug":163,"kind":105,"hex":164,"order":165,"translations":166},40,"ai-tool","#5e79ec",94,{"ru":167},{"title":168},"Инструмент ИИ","M","2026-05-11T19:55:53.687297+03:00",{"id":172,"slug":173,"translations":174,"category":179,"tags":182,"letter":169,"cover":17,"updated_at":191,"published_at":17},287,"mlops",{"ru":175},{"title":176,"short_definition":177,"translation_en":178},"MLOps (эксплуатация ML-моделей)","Практики и инструменты для разработки, выкатки и эксплуатации моделей машинного обучения и ИИ в боевой среде — аналог DevOps для машинного обучения.","MLOps",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":180},{"ru":181},{"title":90,"description":91},[183,188],{"id":61,"slug":184,"kind":184,"hex":164,"order":61,"translations":185},"methodology",{"ru":186},{"title":187},"Методология",{"id":162,"slug":163,"kind":105,"hex":164,"order":165,"translations":189},{"ru":190},{"title":168},"2026-05-11T19:55:55.482827+03:00",{"id":193,"slug":194,"translations":195,"category":200,"tags":203,"letter":210,"cover":17,"updated_at":211,"published_at":17},278,"rag",{"ru":196},{"title":197,"short_definition":198,"translation_en":199},"RAG (поиск с дополнением генерации)","Подход, при котором перед ответом языковая модель ищет подходящие документы в базе знаний и использует их как контекст.","Retrieval-Augmented Generation (RAG)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":201},{"ru":202},{"title":90,"description":91},[204,207],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":205},{"ru":206},{"title":101},{"id":162,"slug":163,"kind":105,"hex":164,"order":165,"translations":208},{"ru":209},{"title":168},"R","2026-05-11T19:55:52.147205+03:00"]