Respuesta correcta
Explicación
Temperature controla la aleatoriedad de la salida del modelo. Disminuir la temperatura (por ejemplo, de 0.7 a 0.1) hace que el modelo sea más determinista y enfocado, reduciendo la variabilidad y la probabilidad de errores lógicos en los scripts generados. Este es el parámetro correcto para ajustar con el fin de obtener respuestas más consistentes y menos creativas.
Para profundizar
Temperature en Azure OpenAI Service escala la distribución de probabilidad sobre el siguiente token antes del muestreo; los valores más bajos agudizan la distribución hacia los tokens más probables, haciendo que la salida sea más determinista y reduciendo la variabilidad creativa. Top_p realiza un muestreo de núcleo (nucleus sampling) restringiendo el conjunto candidato a una masa de probabilidad acumulada, y frequency penalty y presence penalty ajustan la repetición en lugar de la aleatoriedad. Un comportamiento sutil que vale la pena conocer: temperature y top_p interactúan, y Microsoft recomienda ajustar uno a la vez; establecer temperature en 0 aún no garantiza salidas idénticas entre llamadas debido a la no determinismo en la pila de servicio. En un escenario real, un desarrollador que genera scripts de transformación de datos establece una temperatura baja para obtener código consistente y repetible, y luego valida los scripts porque una menor aleatoriedad reduce pero no elimina los errores lógicos.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de AI-900 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.