温度、Top-k 与 Top-p：概率质量如何被筛选

固定 logits，逐步观察温度变形、候选截断、重新归一化与采样

自包含单文件 · 无网络请求
先预测，再操作，最后解释

为什么同一句开头，会接出不同的词？

保留所有候选，观察温度改变了概率分布的形状。

候选概率（浅色：温度后；深色：截断并重新归一化后）

伪随机数种子固定；刷新页面或依次点击重采样可复现实验序列。