本研究提出了一种自适应解码机制，通过动态调整采样温度，优化语言模型在创意与事实任务中的表现。研究结果表明，该方法在多种任务中优于固定温度采样，效果显著。

本研究探讨了大型语言模型（LLMs）的创造力，发现其在独创性方面表现不足，但在详尽度上表现优秀。研究表明，采样温度对模型性能影响不显著，而输入参数的变化能显著提升生成质量。提出的自适应温度采样方法有效提高了生成的多样性，实验结果显示其优于现有策略。