Why Temperature Matters? The Three-Temperature Framework: A Pedagogical Model for Controlling Variability in Generative AI
Notice bibliographique
Résumé
The behavior of Generative AI models is fundamentally governed by the technical parameter known as temperature, which controls the randomness (variability) of token sampling.1 Because this parameter is poorly understood, users perceive AI outputs as inconsistent, unpredictable, and prone to hallucination, severely undermining trust and complicating regulatory compliance. This concept paper introduces The Three-Temperature Framework, a pedagogical model that translates the abstract technical setting into three concrete, intuitive, and platform-agnostic behavioral modes: Stability Mode (Low Temperature, e.g., $\approx$0–0.3): For tasks demanding precision, factual accuracy, and auditability (e.g., coding, governance-aligned documents). Balanced Mode (Medium Temperature, e.g., $\approx$0.4–0.7): For clear, nuanced, explanatory materials (e.g., teaching, communications). Creativity Mode (High Temperature, e.g., $\approx$0.8–1.0+): For tasks requiring imagination and unconventional ideation. Drawing an analogy from the evolution of early radio technology—where user-friendly controls transformed unstable broadcasts into reliable communication—the Framework provides a conceptual tuning mechanism for managing AI behavior. It directly addresses mandates for transparency, predictability, and robustness found in contemporary regulatory instruments (e.g., the EU AI Act). This paper serves as the foundational document for a proposed multi-site, international study. The Framework was conceived as a direct feedback from students following the author's keynote presentation on AI Governance at a recent multi-school international Hackathon, involving Humber Polytechnic (Canada), CBS International Business School (Germany), University of Salford (U.K.), and GEA College (Slovenia). The author is now seeking broader collaborators to test the Framework across various platforms and institutional contexts.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,017 |
| Communication savante | 0,007 | 0,011 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».