同一个问题问两遍，答案为什么不一样？

它不是在查答案，是在抽签

很多人都有过这种体验：同一个问题，前后脚问两遍，AI 给的答案不一样，有时甚至互相矛盾。第一反应通常是：它是不是不靠谱？

其实，不一样才是它的正常工作方式。语言模型写字的方法是：每写下一个词之前，先给所有可能的下一个词打分，形成一张概率表，再从这张表里抽一个出来，而不是永远挑分数最高的那个。抽到的词会成为后面的上下文，于是开头差一个字，整篇就可能拐向不同的方向。

打个比方：它不是在字典里查一条现成的答案，而是在一个装满纸条的箱子面前，每写一个字就伸手抽一张。箱子里的纸条不是一样多——越可能的词，纸条越多。那个叫 temperature（温度）的参数，管的就是箱子有多「平」：温度低，抽到冷门纸条的机会被压得很低；温度高，冷门选项的机会被放大。至于你平时用的聊天产品，温度是多少，你通常看不到，也调不了。

那么问题就变成了一个可以测量的事：抽签的幅度有多大？是不是所有问题问两遍都会不一样？

我们的实测：四道题，问了十二遍

我们开了 12 个互不相通的会话（相当于 12 次「重新打开对话框」），每个会话回答同一组四道题：一道答案唯一的算术题，一道有多个正确答案的题，一道开放题，一道二选一偏好题。

第一道：27 × 6 等于多少？ 12 次，全部回答 162，一次都没差。答案唯一的题，概率几乎全压在一个词上，抽签抽不出第二种结果。

第二道：说一个 20 以内的质数。 可选的答案有 8 个：2、3、5、7、11、13、17、19。如果它真是在「均匀抽签」，12 次应该开出五六种才对。实际结果：只出现 2 种——「7」出现了 10 次，「13」出现了 2 次，其余 6 个质数一次都没被选中。抽的是加权签，而且权重悬殊：模型心里有一个压倒性的「默认答案」，偶尔才滑到第二名。

第三道：给一只小猫起个中文名字。 这是纯开放题，没有对错。12 次开出了 7 个不同的名字：团团（5 次）、团子（2 次）、糯米、小橘、小糯米、奶糖、年糕（各 1 次）。分叉最大的一道题，但依然不是天马行空——「团团」一个名字就占了近一半，它对猫名的审美有明显的众数。

第四道：茶和咖啡，推荐哪个给没喝过的人？ 12 次全部选「茶」。这是个偏好题，没有正确答案，它的一致不能说明茶更正确，只能说明它的概率分布在这道题上同样倾斜——而且倾斜得非常彻底。

有意思的是：连「完全确定」也做不到

你可能听说过一个说法：把温度设成 0，每次都挑分数最高的词，输出就该分毫不差。现实里做不到。Anthropic 的官方文档直接写明：即使温度为 0.0，结果也不会完全确定。Thinking Machines 实验室 2025 年的分析找到了其中一个原因：你的请求在服务器上是和别人的请求打包一起算的，打包的规模随忙闲变化，浮点计算的细微差别随之变化——这些小到尘埃的差异，偶尔就足以让某个词翻盘。也就是说，不一致有一部分来自生成机制（抽签），还有一小部分来自机房本身，哪个用户都关不掉。

怎么用这个规律

知道了答案是抽出来的，有三件事就顺理成章：

事实类问题，它不一致多半不是灾难信号。 唯一答案的题（计算、定义、明确事实），分布本来就尖，实测里 12 次全中。真正会漂移的是多解和开放任务——那本来就不该期待唯一答案。

想要稳定，就利用抽签。 同一个问题多问几次，看哪个答案反复出现——反复出现的就是它的众数，是它「最相信」的版本。我们的质数题里，「7」十次对「13」两次，就是这个意思。让多个答案互相投票，是对付不确定性最土也最有效的一招。

想要新意，反过来做。 头脑风暴、起名、写文案时答案漂移是特性不是缺陷：同一道起名题问 12 次，能收 7 个名字回来挑。把「它怎么老变」换成「请它多变几版」，是同一件事的两种用法。

边界

这次实测每道题只有 12 次抽样，能看出分布的形状（尖还是平、众数有多强），算不出精确概率；执行的是单个模型（Muse Spark），经智能体会话调用（产品默认参数不可见、温度不可调）；换模型、换题面措辞，众数会变，但「分叉程度取决于答案分布的形状」这个规律应该普遍成立。

另外提醒一句：问两遍答案不一样，多数时候只是抽签；但如果一道事实题的答案在两个互相矛盾的说法之间反复横跳，那可能是它在那件事上本来就没把握——这时该做的不是再抽一次，而是换个渠道核实。

来源 机制：语言模型逐词采样、temperature 与 top-p 的作用（公开技术资料综述）；Anthropic API 文档（温度为 0 亦不完全确定）；Thinking Machines Lab 关于推理批处理与不确定性的分析（2025-09，经检索转述）。 实测：本栏目实测，12 个独立会话 × 4 道题（执行模型 Muse Spark，2026-11-04），原始记录与统计脚本见本期实验档案。