Temperature กับ Top-p ของ Gemini ยังต้องปรับไหม? อ่านค่าตั้งให้ตรงรุ่น

เห็นคำแนะนำว่า “ตั้ง Temperature เป็น 0 แล้ว AI จะตอบถูกทุกครั้ง” ควรทำตามหรือไม่? ก่อนเปลี่ยนค่าต้องรู้ว่าโมเดลรุ่นที่ใช้อยู่ยังรองรับพารามิเตอร์นั้นหรือเปล่า

เส้นทางตัวเลือกหลายเส้นผ่านช่องคัดเลือกเหลือเส้นทางเดียว สื่อถึงการเลือกโทเคนของ AI

Temperature มีผลต่อการเลือกโทเค็นในรุ่นที่รองรับ

ในโมเดลที่รองรับ Temperature ค่านี้ใช้ปรับความสุ่มในการเลือกโทเคนหรือหน่วยข้อความต่อไป ส่วน Top-p จำกัดกลุ่มตัวเลือกโดยดูผลรวมความน่าจะเป็น และ Top-k จำกัดจำนวนตัวเลือกที่คะแนนสูงสุด หลักการอธิบายใน คู่มือ Prompt ของ Google. การเปลี่ยนค่านี้ไม่ได้เพิ่มข้อมูลใหม่ให้โมเดล และไม่ใช่หลักฐานว่าคำตอบถูกต้อง

ตัวอย่างเชิงแนวคิด: เมื่อถามให้ตั้งชื่อกิจกรรม โมเดลที่สุ่มมากอาจเสนอชื่อหลากหลายกว่า แต่ถ้าถามเลขจากเอกสารการเงิน ต่อให้ลดความสุ่มก็ยังอาจอ่านหน่วยผิดได้ จึงต้องตรวจต้นทางแยกต่างหาก

ตัวอย่างสมมติที่ไม่ใช่ผลทดลอง Gemini: หากโทเคน ก ข ค และ ง มีความน่าจะเป็น 0.50, 0.30, 0.15 และ 0.05 การใช้ Top-p = 0.80 จะคงกลุ่ม ก และ ข ซึ่งรวมกันถึง 0.80 ส่วน Top-k = 3 จะคง ก ข และ ค โดยไม่ใช้เกณฑ์ผลรวมเดียวกัน ตัวเลขนี้ช่วยแยกแนวคิด ไม่ใช่สูตรแนะนำให้ตั้งกับทุกรุ่น และรายละเอียดลำดับการกรองต้องดู implementation จริง

Temperature ต่ำอาจลดความหลากหลายในระบบที่รองรับ แต่แม้เลือกโทเคนคะแนนสูงสุดก็ยังเลือกข้อมูลผิดได้ อีกทั้งการตั้งค่าเหมือนกันไม่ได้เป็นหลักประกันว่าคำตอบจะเหมือนเดิมทุกครั้งเมื่อ backend รุ่นโมเดล เครื่องมือ หรือบริบทเปลี่ยน

สำคัญในปี 2569: Gemini รุ่นใหม่บางรุ่นไม่ใช้ค่าปรับแบบเดิม

ณ วันที่ 16 ตุลาคม 2569 คู่มือ Prompt ของ Google ระบุว่า Gemini 4 และ Gemini 3.6 ขึ้นไปเพิกเฉยต่อค่าที่กำหนดเองสำหรับ temperature, top_p และ top_k พร้อมส่ง warning header ว่าพารามิเตอร์เลิกใช้ และเตือนว่าจะตอบข้อผิดพลาด 400 ในรุ่นปรับปรุงในอนาคต ส่วน Gemini 3 รุ่นก่อนหน้านั้นแนะนำให้คงค่าเริ่มต้น จึงต้องแยก “ยังปรับได้แต่ไม่แนะนำ” ออกจาก “ส่งค่าไปแล้วไม่มีผล”

GenerateContent API reference ใช้ชื่อฟิลด์ temperature, topP และ topK และระบุว่า Gemini 3.6 Flash กับรุ่นใหม่กว่าไม่ใช้ค่ากำหนดเอง ชื่อฟิลด์ใน SDK อาจใช้ snake_case ต่างจาก REST JSON จึงควรตรวจทั้ง model ID, API และ SDK ที่ใช้งาน ไม่เปลี่ยนชื่อตามตัวอย่างข้ามภาษา

อย่าคัดลอกค่าจากตัวอย่างของโมเดลรุ่นเก่าไปใช้กับทุกรุ่น ตรวจ model ID, คู่มือรุ่น และคำเตือนของ API ก่อน หากพารามิเตอร์ไม่รองรับ การส่งค่าซ้ำไม่ทำให้โมเดลเชื่อฟังขึ้น

ควบคุมคุณภาพด้วยกติกาและการตรวจผลมากกว่าตัวเลขสุ่ม

ความต้องการวิธีที่ควรเริ่มสิ่งที่ยังต้องตรวจ
สรุปตัวเลขกำหนดรูปแบบหน่วย แหล่งอ้างอิง และเกณฑ์ไม่เดาตรวจเลขกับต้นฉบับ
ตอบเป็นข้อมูลโครงสร้างกำหนด Schema และตรวจค่าทางโปรแกรมตรวจความหมาย ไม่ใช่แค่ JSON ผ่าน
งานสร้างสรรค์บอกกลุ่มผู้อ่าน โทน และตัวอย่างที่ต้องการตรวจความเหมาะสมของเนื้อหา
งานต้องทำซ้ำตรึงเวอร์ชันโมเดล คำสั่ง และชุดตัวอย่างรันทดสอบหลายครั้งเมื่อจำเป็น

คำสั่งที่มีเงื่อนไขชัด เช่น “ถ้าหาข้อมูลไม่พบให้ตอบว่าไม่พบ ห้ามสร้างตัวเลข” ช่วยกำหนดพฤติกรรมที่ต้องการ แต่ก็ไม่รับประกันว่าจะทำถูกทุกครั้ง

ตัวอย่าง Prompt สำหรับสรุปข้อมูลโดยไม่พึ่ง Temperature

ตัวอย่างสมมติสำหรับการใช้งานทั่วไป:

สรุปข้อมูลที่ฉันให้เป็น 3 ข้อ ระบุจำนวนเงินพร้อมสกุลเงินและช่วงเวลา หากข้อความต้นฉบับไม่มีตัวเลขให้เขียนว่า “ไม่ระบุ” ห้ามประมาณค่า และปิดท้ายด้วยรายการข้อมูลที่ต้องตรวจซ้ำ

เมื่อนำไปใช้กับข้อมูลจริง ให้ลองกรณีที่มีตัวเลขครบ ขาดตัวเลข และมีข้อมูลขัดกัน แล้วตรวจว่าโมเดลยอมบอกข้อจำกัดหรือไม่

ข้อเสนอของ KrobClick สำหรับตรวจคุณภาพคือเก็บคำถามชุดเดียวกันและกำหนดเกณฑ์ก่อนเริ่ม เช่น ตัวเลขตรงเอกสาร หน่วยครบ และไม่เติมข้อมูลที่ไม่มี เปลี่ยนทีละปัจจัยแล้วบันทึก model ID, API, prompt และวันที่ หากรุ่นนั้นไม่รองรับค่าการสุ่ม ไม่ควรอ้างว่าผลที่เปลี่ยนมาจาก Temperature ที่ API ไม่ได้ใช้

การกำหนดรูปแบบคำตอบเป็นอีกเรื่องหนึ่งจากการสุ่ม อ่าน JSON Schema และการตรวจค่ากับต้นฉบับ เมื่อต้องนำผลเข้าโปรแกรม และถ้าปัญหาคือต้นทุนจากเอกสารซ้ำให้ดู Context Caching ซึ่งจัดการบริบท ไม่ใช่การเพิ่มความถูกต้องด้วยค่าการสุ่ม

คำถามก่อนปรับค่าการสร้างคำตอบ

สำหรับงานที่ต้องการความถูกต้อง ให้กำหนดเกณฑ์แล้วตรวจคำตอบกับหลักฐาน การปรับความสุ่มเพียงอย่างเดียวไม่ยืนยันว่าคำตอบถูกต้อง

อ่านต่ออ่านคะแนน Benchmark ของ AI อย่างไรใช้หลักฐานจากชุดทดสอบประกอบการเลือกโมเดล ไม่พึ่งตัวเลขค่าตั้งอย่างเดียว

แหล่งอ้างอิง

ตรวจเอกสาร Google วันที่ 16 ตุลาคม 2569 ตามเวลาไทย ไม่ได้ทดลองโมเดลหรือวัดความต่างของพารามิเตอร์ด้วยตนเอง