LLM は同じプロンプトでも結果が変わることがあり、これを非決定論と呼びます。条件を固定した範囲で同じ結果になる状態が決定論ですが、入力・モデル・実行環境などが変われば完全再現とは限りません。
LLM は同じプロンプトでも結果が変わることがあり、これを非決定論と呼びます。条件を固定した範囲で同じ結果になる状態が決定論ですが、入力・モデル・実行環境などが変われば完全再現とは限りません。
同じプロンプトなのにレビューのたびにコードが変わる場面や、AI エージェントの挙動が実行ごとに違うと話題になる記事で見かけます。運用ルールを決める会議でも登場する語です。
左右 2 枚のカードを並べる。左「実行時に呼ぶ」はユーザーが AI（ロボットアイコン）に毎回話しかけ、吹き出しの答えが回ごとに少し違う形で並ぶ図。右「先に 1 回だけ呼ぶ」はユーザーが AI に 1 回だけ話しかけ、できあがった生成物（歯車アイコン）がそのまま何度も同じ動きを繰り返す図
擬人化ポンチ絵 · 後日差し込み再現性を設計するときの物差しです。
再現性が上がると検証やレビューがしやすくなります。
温度 0 でも完全再現とは限らないと報告されています。
同じ処理を繰り返す定型業務の設計判断で役立ちます。
入力・モデル・実行環境をそろえ、同じ条件で結果を比べます。
Temperature、Compiled AI、リスクアセスメント
温度 0 の非決定性は Thinking Machines Lab の実測（同一プロンプトを 1,000 回実行し 80 種類の出力）に基づきます。