LLMパラメータシミュレーター - Temperature, Top-P, ペナルティの可視化
LLMを使いこなすには、プロンプトだけでなく生成ハイパーパラメータの理解が不可欠です。Temperatureの調整で次の単語予測の確率分布がどう変化するのか、Top-Pがどのように低確率トークンを足切りするのかを、リアルタイムなグラフ描画で視覚的に体験・学習できます。
このような場面で活用できます
- 正確性重視 vs 創造性重視の使い分け: コード生成やJSON出力（0.0〜0.2）と、クリエイティブライティング（0.7〜1.0）の最適値を体得します。
- 同一単語ループの防止: Frequency / Presenceペナルティを調整し、チャットボットが同じ言葉を繰り返す不具合を防ぎます。
- Top-P（核サンプリング）の挙動理解: 累積確率の上位P%のみを動的に選択肢に残すメカニズムをグラフで直感把握します。
- AIエンジニアリングの社内教育: LLMが次のトークンを確率的に選択する数理的背景を視覚的に解説できます。
使い方と実務ガイド
- 候補トークンとロジットの確認: 次に予測される単語の候補一覧と、モデル内部の未加工スコア（ロジット）を確認します。
- Temperatureの操作: 0.0（最も確実な単語のみ）から2.0（ランダム性増大）へスライダーを動かし、確率変化を観察します。
- Top-PとTop-Kの足切り: 累積確率フィルターにより、非現実的な単語候補がグレーアウトして除外される様子を確認します。
- 推奨値の適用: 目的（コード生成、会話ボット等）に合致したパラメータ数値をAPIリクエストへ反映させます。
入出力の実務例
Input:
Base Tokens: ["code" (45%), "software" (30%), "system" (15%), "banana" (1%)]
Output:
Temp=0.1: "code" becomes 99.8%
Temp=1.5: "banana" probability jumps from 1% to 14% (Hallucination danger)
よくある質問（FAQ）
Q. TemperatureとTop-Pを同時に変更すべきですか？
A. OpenAI公式ドキュメントでは、予期せぬ挙動を防ぐため、どちらか一方のみを調整することが推奨されています。
Q. Temperature=0の数学的な意味は？
A. 貪欲法（Greedy Search）となり、最もロジットの高い1位のトークンのみを確率100%で選択します。完全な再現性が必要な場合に有効です。
Q. FrequencyとPresenceペナルティの違いは何ですか？
A. Presenceは「すでに1度でも使われたか」で新トピックの導入を促し、Frequencyは「何回繰り返し使われたか」の頻度に応じて減点し重複表現を抑制します。
技術・セキュリティ上の注意事項
- ディープラーニングの推論エンジンで実際に使用されている温度付きSoftmax数式を完全再現しています。
- 通信なしのブラウザローカル環境で滑らかなインタラクティブ操作が可能です。
あわせて使える関連ツール