---
title: "Temperatura (LLM) (PT)"
source: "https://systems-analysis.info/int/Temperatura_(LLM)_(PT)"
wiki: "systems-analysis.info/int"
article: "Temperatura_(LLM)_(PT)"
language: "pt"
categories:
- "Category:Large language models"
- "Category:LLM core concepts"
- "Category:Machine learning"
- "Category:Portuguese"
revision_id: 7842
wiki_created_at: 2026-09-07T01:07:47Z
wiki_modified_at: 2026-09-07T01:07:47Z
downloaded_at: 2026-09-07T23:21:06Z
---
# Temperatura (LLM) (PT)
**Temperatura** (do inglês, *Temperature*) no contexto de grandes modelos de linguagem (LLM) é um hiperparâmetro que controla o nível de aleatoriedade e "criatividade" na geração de texto. Ele ajusta a "nitidez" ou, inversamente, a "suavidade" da distribuição de probabilidade do próximo token em cada etapa da decodificação. Ao manipular a temperatura, é possível controlar o equilíbrio entre a previsibilidade (coerência) e a diversidade (criatividade) do texto gerado.
## Definição teórica e matemática
Matematicamente, a temperatura ($T$) é introduzida como um divisor na função **softmax**, que transforma os logits de saída do modelo ($u_{i}$) em uma distribuição de probabilidade ($P_{i}$). A fórmula é a seguinte:
$P_{i}^{(T)} = \frac{e^{u_{i}/T}}{\sum\limits_{j}e^{u_{j}/T}}$
Onde:
- $P_{i}^{(T)}$ — a probabilidade final do $i$-ésimo token com a temperatura $T$.
- $u_{i}$ — o logit (uma pontuação não normalizada) para o $i$-ésimo token, produzido pelo modelo.
- $T$ — o parâmetro de temperatura.
### Influência do valor da temperatura
- **$T = 1$ (valor padrão):** A distribuição de probabilidade permanece inalterada. Este é o softmax padrão, que reflete as previsões originais do modelo.
- **$T < 1$ (baixa temperatura, por exemplo, $0.2$ – $0.7$):** A distribuição torna-se mais **aguda** ou **acentuada**. As probabilidades dos tokens mais prováveis aumentam, enquanto as dos menos prováveis diminuem. Isso torna a geração mais determinística e previsível. O modelo tende a escolher palavras óbvias e de alta frequência, o que aumenta a coerência e a correção gramatical do texto, mas reduz sua diversidade.
- **$T > 1$ (alta temperatura, por exemplo, $1.0$ – $1.5$):** A distribuição torna-se mais **suave** ou **uniforme**. A diferença entre as probabilidades dos tokens é suavizada, o que aumenta a chance de selecionar tokens menos prováveis (e mais "inesperados"). Isso torna o texto mais criativo, diversificado e imprevisível, mas aumenta o risco de gerar frases incoerentes ou gramaticalmente incorretas.
### Casos extremos
- **$T \rightarrow 0$:** No limite, quando a temperatura tende a zero, a função softmax se transforma em um argmax. O modelo sempre escolherá o token com o logit mais alto. Este modo é equivalente à **decodificação gulosa (greedy decoding)** e é completamente determinístico. Frequentemente, leva a um texto repetitivo e estereotipado.
- **$T \rightarrow \infty$:** Quando a temperatura tende ao infinito, a distribuição de probabilidade torna-se **uniforme**. Todos os tokens no vocabulário se tornam igualmente prováveis, e o modelo gera um "fluxo de consciência" aleatório, perdendo completamente a coerência.
## Aplicação prática e recomendações
A escolha correta da temperatura é crucial e depende da tarefa específica.
- **Para tarefas criativas** (escrever contos, poemas, slogans de marketing):
- Recomenda-se uma **temperatura mais alta ($T \approx 0.7 - 1.2$)**.
- Isso estimula o modelo a gerar ideias mais inesperadas e criativas, usar um vocabulário diversificado e evitar frases prontas.
- **Para tarefas que exigem precisão e factualidade** (respostas a perguntas, sumarização, geração de código):
- Recomenda-se uma **temperatura baixa ($T \approx 0.0 - 0.4$)**.
- Isso minimiza as "alucinações" e força o modelo a se ater às continuações de texto mais prováveis e, geralmente, mais precisas e relevantes. Na API da OpenAI, para tarefas que exigem alta precisão, frequentemente se recomenda definir $T = 0$.
- **Para sistemas de diálogo e chatbots:**
- Recomenda-se uma **temperatura moderada ($T \approx 0.5 - 0.8$)**.
- Isso permite encontrar um equilíbrio: as respostas permanecem coerentes e dentro do tópico, mas não se tornam excessivamente secas e monótonas. Por exemplo, no ChatGPT, uma temperatura em torno de 0.7 é usada para conversas comuns.
## Comparação com Top-k e Top-p
A temperatura, ao contrário de métodos de truncamento como **Top-k** e **Top-p (nucleus sampling)**, funciona de maneira diferente:
- A **Temperatura** **redistribui** as probabilidades entre todos os tokens no vocabulário, mas **não exclui** nenhum deles. Mesmo com uma temperatura muito baixa, os tokens menos prováveis ainda têm uma chance minúscula, mas não nula, de serem selecionados.
- O **Top-k** e o **Top-p** introduzem um **truncamento rígido**, excluindo completamente os tokens que não fazem parte do núcleo de amostragem. Esta é uma maneira mais confiável de evitar a geração de palavras completamente irrelevantes.
Na prática, esses parâmetros são frequentemente usados em conjunto. Por exemplo, pode-se definir uma temperatura moderada (como $T = 0.8$) para o estilo geral e adicionar um Top-p (como $p = 0.9$) para cortar a "cauda" da distribuição e evitar erros grosseiros.
## Ver também
- Grandes modelos de linguagem
## Literatura
- Holtzman, A. et al. (2020). *The Curious Case of Neural Text Degeneration*. arXiv:1904.09751.
- Caccia, M. et al. (2018). *Language GANs Falling Short*. arXiv:1811.02549.
- Fan, A. et al. (2018). *Hierarchical Neural Story Generation*. arXiv:1805.04833.
- Meister, C. et al. (2023). *Locally Typical Sampling*. arXiv:2202.00666.
- Su, Y.; Collier, N. (2022). *Contrastive Search Is What You Need for Neural Text Generation*. arXiv:2210.14140.
- O’Brien, S.; Lewis, M. (2023). *Contrastive Decoding Improves Reasoning in Large Language Models*. arXiv:2309.09117.
- Finlayson, M. et al. (2024). *Basis-Aware Truncation Sampling for Neural Text Generation*. arXiv:2412.14352.
- Tan, Q. et al. (2024). *A Thorough Examination of Decoding Methods in the Era of Large Language Models*. arXiv:2402.06925.
- Ravfogel, S. et al. (2023). *Conformal Nucleus Sampling*. arXiv:2305.02633.
- Sen, J. et al. (2025). *Advancing Decoding Strategies: Enhancements in Locally Typical Sampling for LLMs*. arXiv:2506.05387.