The Effect of Sampling Temperature on Problem Solving in Large Language Models

Matthew Renze, Erhan Guven

arXiv:2402.05201 · 2026-07-27 공개 · arXiv · PDF

llm-evaluation large-language-models prompt-engineering llm-benchmarks problem-solving sampling-temperature mcqa-exam

Abstract

In this research study, we empirically investigate the effect of sampling temperature on the performance of Large Language Models (LLMs) on various problem-solving tasks. We created a multiple-choice question-and-answer (MCQA) exam by randomly sampling problems from standard LLM benchmarks. Then, we used nine popular LLMs with five prompt-engineering techniques to solve the MCQA problems while increasing the sampling temperature from 0.0 to 1.6. Despite anecdotal reports to the contrary, our empirical results indicate that changes in temperature from 0.0 to 1.0 do not have a statistically significant impact on LLM performance for problem-solving tasks. In addition, these results appear to generalize across LLMs, prompt-engineering techniques, and problem domains. All code, data, and supplemental materials are available on GitHub at: https://github.com/matthewrenze/jhu-llm-temperature

한국어 요약

한 줄 요약

LLM에서 샘플링 템퍼러처가 문제 해결 성능에 통계적으로 유의미한 영향을 미치지 않는다는 것을 실증적으로 밝혔다.

핵심 기여도

핵심 아이디어

기존의 경험적 주장과 달리, 샘플링 템퍼러처가 LLM의 문제 해결 성능에 큰 영향을 미치지 않는다는 것이 실증적으로 입증되었다.
이 연구는 MCQA 문제를 기반으로 0.0에서 1.6까지의 템퍼러처 변화를 시스템적으로 평가함으로써, 템퍼러처가 모델의 샘플링 다양성과 정확도 사이의 균형에 영향을 주더라도, 문제 해결 성능에는 통계적으로 유의미한 차이를 만들지 않는다는 통찰을 제공한다.
Kruskal-Wallis 검정을 통해 정확도의 변화가 유의미하지 않음을 입증하며, 데이터가 이중 정규 분포를 따르는 특성을 고려한 분석 방법을 사용했다.

기술적 접근법

주요 결과

의의 및 한계

이 연구는 LLM의 샘플링 템퍼러처가 문제 해결 성능에 큰 영향을 미치지 않는다는 것을 실증적으로 밝혀내어, AI 엔지니어와 연구자에게 실용적 및 이론적 통찰을 제공한다.
특히, 템퍼러처 조정이 모델의 샘플링 다양성과 정확도 균형에 영향을 주더라도, 문제 해결 성능에는 유의미한 변화를 유도하지 않는다는 점에서, 템퍼러처 최적화의 필요성을 재고하는 데 기여한다.
한계로는 템퍼러처 1.6 이상의 영향은 평가되지 않았으며, 일부 문제 유형이나 모델에서는 미세한 변화가 있을 수 있다는 점이 언급되지 않음.

실용적 활용

이 연구는 AI 엔지니어가 LLM을 활용한 시스템 개발 시 샘플링 템퍼러처 조정을 우선적으로 고려할 필요가 없음을 시사한다.
또한, 모델 홀루시네이션 연구나 문제 해결 공간 탐색 연구에서 템퍼러처의 역할을 재평가하는 데 기초 자료로 활용될 수 있다.