AI要約 本論文はLLMにおける隠れたランダム性を定量化する新指標「背景温度」を提案する。温度0でも残る出力の揺らぎを測定し、モデル内部の確率的挙動を特徴づけることで、決定論性や再現性の評価に新たな視点を提供する。

EN This paper proposes 'background temperature' as a metric to characterise hidden randomness in large language models, quantifying output variability that persists even at temperature zero and offering new insight into determinism and reproducibility.

AI要約 本論文はLLMにおける隠れたランダム性を定量化する新指標「背景温度」を提案する。温度0でも残る出力の揺らぎを測定し、モデル内部の確率的挙動を特徴づけることで、決定論性や再現性の評価に新たな視点を提供する。

EN This paper proposes 'background temperature' as a metric to characterise hidden randomness in large language models, quantifying output variability that persists even at temperature zero and offering new insight into determinism and reproducibility.

AI要約 生成AIは確率分布の偏りにより真のランダム性を再現できない問題を扱った記事。サイコロやくじ引きのような一様分布の出力をAIに行わせるための工夫やプロンプト手法、外部ツール連携の活用方法を検証している。

EN This article examines why generative AI struggles to produce truly random outputs due to probability distribution biases, and explores prompting techniques and external tool integrations to achieve genuinely uniform random behavior like dice rolls or lotteries.