生成AIパスポート 用語解説
Temperatureとは
生成の出力のランダム性・多様性を調整するパラメータ。値を大きくすると多様な出力になりやすい。
まず押さえる結論
Temperatureは、生成AIパスポートの「第5章 テキスト生成AIのプロンプト制作と実例」に出てくる用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-08-31。
公式シラバス（PDF）（公式）比較記事でさらに確認する
試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
「第5章 テキスト生成AIのプロンプト制作と実例」の問題で、取り違えやすい組み合わせです。
- Zero-ShotとFew-Shotの取り違え。例を示さず指示だけ＝Zero-Shot、例をいくつか示してから指示＝Few-Shot。
- プロンプトエンジニアリングとファインチューニング／プレトレーニングの混同。プロンプトエンジニアリングは指示の与え方の工夫で、ファインチューニングとプレトレーニングはモデル側の学習段階。
- テキスト生成AIの不得意（正確な計算・最新の情報・芸術の批評）を、得意分野（要約・メール作成・箇条書き変換）と取り違える。
関連する確認問題
第5章 テキスト生成AIのプロンプト制作と実例 / LMとLLM
生成候補の多様性を調整するTemperatureと、累積確率で候補を限定するTop-pを区別する。誤っている説明はどれか。
この事例では「候補確率の平滑化と候補集合の切り方を分けるか」を確認すると、「次の単語の候補を、出現確率の高いものから累積して一定の割合まで絞り込みたいので、Temperatureを調整するのは適切である」という説明が誤りだと分かる。正解は「次の単語の候補を、出現確率の高いものから累積して一定の割合まで絞り込みたいので、Temperatureを調整するのは適切である」（誤り）である。出現確率の高い候補を累積して一定の割合まで絞り込む機能はTop-pが担うものであり、Temperatureは出力のランダム性・多様性を調整するパラメータである。設問の説明はTop-pの機能をTemperatureの調整に誤って当てはめている。他の3つの説明はいずれも正しい。TemperatureとTop-pはいずれも出力のランダム性を調整するハイパーパラメータだが、調整の仕組みが異なる点に注意したい。
第5章 テキスト生成AIのプロンプト制作と実例 / LMとLLM
生成文の多様性を調整する検証で、TemperatureとTop-pを同時に変更したところ出力が変わったが、どちらの影響か分からなくなった。次の比較として適切なものはどれか。
正解は「片方を基準値へ戻し、もう片方だけを変えて出力を比較する」です。TemperatureとTop-pはいずれも生成のランダム性に関係するが、Temperatureは確率分布のランダム性を調整し、Top-pは累積確率質量で考慮する候補集合を限定する。両方を同時に変えると、出力差がどちらの変更によるものか切り分けにくい。OpenAI公式API文書も、一般には両方ではなくどちらか一方を変えるよう案内している。同時に乱数で変える、同じ数値へそろえる、文字数だけを数える方法では、片方の設定変更と出力差の対応を比較できない。
第5章 テキスト生成AIのプロンプト制作と実例 / LMとLLM
生成AIの出力のランダム性・多様性を調整するためのパラメータで、値を大きくすると出力がより多様になるものはどれか。
正解は「Temperature」である。出力のランダム性・多様性を調整するパラメータがTemperatureで、値を大きくすると多様で意外性のある出力に、小さくすると堅実な出力になりやすい。プロンプトはAIへの入力（指示文）そのもの、InstructionとContextはプロンプトの構成要素で、いずれも出力のランダム性を調整するパラメータではない。 Temperatureは次のトークン候補の確率分布の鋭さを調整する生成時の値で、高いほど多様になりやすく、低いほど確率の高い候補へ集中しやすい。ContextとInstructionはプロンプト要素、プロンプトは入力全体であり設定パラメータではない。
同じ章で確認したい用語
到達チェック
- Temperatureを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、Temperatureに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
用語を体系的に学べる書籍（Amazon）
用語の意味を調べたあとに、試験範囲の流れの中で読み直したいときの公式テキストと公認テキストです。購入前に版と試験範囲への対応を確認してください。
執筆: ミナト編集部（運営者情報を見る）