Giải thích về nhiệt độ LLM và Top-p: Cách các mô hình AI chọn từ tiếp theo của họ

  1. Trang chủ
  2. Blog
  3. Trí tuệ nhân tạo

Trí tuệ nhân tạo

Giải thích về Nhiệt độ LLM và Top-p: Cách các mô hình AI chọn Từ tiếp theo của họ

Nhiệt độ và top-p là hai cài đặt quyết định mức độ dự đoán hoặc đa dạng của câu trả lời của mô hình AI. Chúng tôi đã mô phỏng phép toán đằng sau chúng bằng một ví dụ đồ chơi để bạn có thể thấy chính xác tác dụng của từng cài đặt đối với các lựa chọn của mô hình.

Đọc 10 phút
Nhiệt độ LLM và top-p giải thích: cách các mô hình AI chọn từ tiếp theo

Điểm chính

  • Một mô hình tạo ra xác suất cho mọi mã thông báo tiếp theo có thể có, sau đó lấy mẫu một mã thông báo.
  • Nhiệt độ định hình lại các xác suất đó: giá trị thấp làm sắc nét chúng, giá trị cao làm phẳng chúng.
  • Top-p chỉ giữ lại các mã thông báo có khả năng nhất cùng nhau đạt đến ngưỡng xác suất.
  • Sử dụng nhiệt độ thấp để trích xuất và mã hóa, kiểm duyệt để trò chuyện và thay đổi từng cài đặt một.

Hỏi mô hình AI cùng một câu hỏi hai lần và bạn có thể nhận được hai câu trả lời khác nhau. Yêu cầu nó trích xuất ngày tháng từ hóa đơn và lần nào bạn cũng muốn có câu trả lời giống nhau. Hãy hỏi nó mười ý tưởng khẩu hiệu và bạn muốn sự đa dạng. Các cài đặt kiểm soát sự cân bằng này là nhiệt độ và top-p và chúng nằm trong số các tùy chọn bị hiểu lầm nhiều nhất trong bất kỳ API AI nào.

Chúng tôi không thể kiểm tra xác suất bên trong của một mô hình thương mại, vì vậy chúng tôi đã xây dựng một mô phỏng Python nhỏ về phép toán lấy mẫu tiêu chuẩn, sử dụng điểm bù cho bốn từ ứng cử viên. Tất cả những con số dưới đây đều đến từ mô phỏng đó. Các mô hình thực tế chọn trong số hàng chục nghìn mã thông báo và các nhà cung cấp có thể triển khai các chi tiết khác nhau nhưng về nguyên tắc thì giống nhau.

Cách người mẫu chọn từ tiếp theo

Ở mỗi bước, một mô hình ngôn ngữ lớn đưa ra một điểm, được gọi là logit, cho mỗi mã thông báo trong từ vựng của nó. Một hàm có tên softmax biến những điểm số đó thành xác suất có tổng bằng 1. Sau đó, mô hình lấy mẫu một mã thông báo theo các xác suất đó, thêm nó vào văn bản và lặp lại. Nhiệt độ và top-p thay đổi xác suất trước bước lấy mẫu đó.

Ví dụ về đồ chơi của chúng tôi

Hãy tưởng tượng lời nhắc “Thủ đô của nước Pháp là”. Chúng tôi đã cho bốn từ tiếp theo của ứng viên những điểm số này:

logits = {"Paris": 5.0, "Lyon": 3.0, "London": 2.5, "banana": 0.0}

Paris rõ ràng được ưa chuộng, Lyon và London là những sai lầm nghe có vẻ hợp lý, còn chuối thì vô nghĩa. Một mô hình thực tế cũng sẽ gán một số xác suất cho hàng nghìn mã thông báo khác.

Nhiệt độ: mài hoặc làm phẳng

Nhiệt độ chia mọi điểm trước khi áp dụng softmax. Chia cho một số nhỏ sẽ làm tăng thêm khoảng cách giữa các điểm số; chia cho một số lượng lớn làm chúng co lại. Dưới đây là xác suất mà mô phỏng của chúng tôi tạo ra:

Nhiệt độ Paris Lyon Luân Đôn chuối
0.2 1.000 0.000 0.000 0.000
0.7 0.921 0.053 0.026 0.001
1.0 0.817 0.111 0.067 0.006
1.5 0.672 0.177 0.127 0.024
2.0 0.576 0.212 0.165 0.047

Ở mức 1.0, phân phối riêng của mô hình được sử dụng không thay đổi. Ở mức 0,2, về cơ bản Paris có được tất cả xác suất. Ở mức 2,0, Paris giảm xuống 58%, thậm chí chuối còn tăng lên gần 5%. Nhiệt độ không bổ sung thêm kiến ​​thức hay sự sáng tạo theo bất kỳ ý nghĩa sâu sắc nào. Nó chỉ thay đổi mức độ sẵn lòng của mô hình trong việc chọn các phương án ít có khả năng xảy ra hơn, điều này có thể có nghĩa là cách diễn đạt mới hơn hoặc đơn giản là có nhiều lỗi hơn.

Việc lấy mẫu trông như thế nào

Xác suất là trừu tượng, vì vậy chúng tôi đã lấy 1.000 mẫu ở ba mức nhiệt độ, sử dụng một hạt giống ngẫu nhiên cố định:

T=0.2  {'Paris': 1000, 'Lyon': 0,   'London': 0,   'banana': 0}
T=1.0  {'Paris': 810,  'Lyon': 117, 'London': 70,  'banana': 3}
T=2.0  {'Paris': 607,  'Lyon': 202, 'London': 146, 'banana': 45}

Ở nhiệt độ 2,0, khoảng 4 trong số 10 câu trả lời đặt tên sai thành phố và 45 trong số 1.000 câu trả lời là “chuối”. Bây giờ hãy nhớ rằng câu trả lời thực sự dài hàng trăm mã thông báo. Một cơ hội nhỏ về một lựa chọn kỳ lạ ở mỗi bước sẽ tăng lên và một mã thông báo sai ở đầu câu có thể khiến phần còn lại của câu trả lời đi sai hướng. Đây là một lý do khiến nhiệt độ cao khiến ảo giác dễ xảy ra hơn.

Nhiệt độ 0 và tính quyết định

Ở nhiệt độ 0, phép toán sẽ chia cho 0, vì vậy các API coi nó là “luôn chọn mã thông báo có khả năng xảy ra cao nhất”, được gọi là giải mã tham lam. Điều đó làm cho kết quả đầu ra có thể lặp lại nhiều hơn, nhưng trên thực tế không phải lúc nào cũng hoàn toàn giống nhau. Các mô hình được lưu trữ có thể thay đổi đôi chút do cách tính toán theo lô và song song trên phần cứng của nhà cung cấp cũng như các mô hình được cập nhật theo thời gian. Một số API cung cấp tham số gốc để có khả năng lặp lại tốt hơn. Hãy coi nhiệt độ 0 là “rất nhất quán”, không phải là sự đảm bảo.

Mẹo: Giải mã tham lam không phải lúc nào cũng tốt nhất, ngay cả đối với các tác vụ thực tế. Nó có thể bị mắc kẹt khi lặp lại các cụm từ trong đầu ra dài. Đối với văn bản dạng dài, nhiệt độ thấp nhưng khác 0, chẳng hạn như 0,2 đến 0,4, thường đọc tự nhiên hơn trong khi vẫn tập trung.

Top-p (lấy mẫu hạt nhân)

Top-p có một cách tiếp cận khác. Nó sắp xếp các mã thông báo từ nhiều khả năng nhất đến ít nhất, giữ lại nhóm nhỏ nhất có xác suất cộng lại ít nhất là p, loại bỏ phần còn lại và chuẩn hóa lại. Áp dụng cho xác suất nhiệt độ-1,0 của chúng tôi:

top_p=0.5   {'Paris': 1.0}
top_p=0.9   {'Paris': 0.881, 'Lyon': 0.119}
top_p=0.99  {'Paris': 0.821, 'Lyon': 0.111, 'London': 0.067}

Ở mức 0,5, chỉ riêng Paris đã bao trùm hơn một nửa xác suất nên đây là lựa chọn duy nhất. Lúc 0,9, Lyon tham gia. Thậm chí ở mức 0,99, chuối đã bị cắt bỏ. Đó là điểm mạnh của top-p: nó loại bỏ một chuỗi dài các mã thông báo không chắc gây ra sự vô nghĩa, đồng thời thích ứng với tình huống. Khi mô hình tự tin, rất ít mã thông báo tồn tại; khi có nhiều lần tiếp tục hợp lý thì sẽ tồn tại nhiều hơn.

Top-k và min-p

  • Top-k giữ một số lượng cố định các mã thông báo có khả năng xảy ra cao nhất, chẳng hạn như 40, bất kể xác suất của chúng là bao nhiêu. Nó đơn giản nhưng không thích ứng: 40 có thể là quá nhiều khi mô hình chắc chắn và quá ít khi mô hình không chắc chắn.
  • Min-p giữ các mã thông báo có xác suất ít nhất bằng một phần xác suất của mã thông báo hàng đầu. Nó phổ biến trong các công cụ mô hình nguồn mở và được cho là hoạt động tốt ở nhiệt độ cao hơn, mặc dù nghiên cứu mới hơn.

Không phải mọi API đều hiển thị mọi tùy chọn. Kiểm tra tài liệu của nhà cung cấp của bạn để biết những tham số nào có sẵn và giá trị mặc định của chúng là gì.

Sử dụng nhiệt độ và top-p cùng nhau

Cả hai cài đặt đều định hình sự phân bố giống nhau, do đó, việc thay đổi cả hai cùng một lúc khiến hành vi khó dự đoán. Một số nhà cung cấp khuyên bạn nên điều chỉnh một cái và để cái kia ở mặc định. Một cách tiếp cận hợp lý là điều chỉnh nhiệt độ trước tiên, vì cách này dễ lý luận hơn và chỉ đạt đến đỉnh cao nếu bạn cần loại bỏ những điểm kỳ lạ hiếm gặp ở nhiệt độ cao hơn.

Cài đặt được đề xuất theo tác vụ

Nhiệm vụ Nhiệt độ tại sao
Khai thác, phân loại dữ liệu 0 đến 0,2 Một câu trả lời đúng; vấn đề nhất quán
Tạo mã 0 đến 0,3 Độ lệch nhỏ phá vỡ mã
Trả lời câu hỏi bằng nguồn 0,1 đến 0,4 Ở gần văn bản được cung cấp
Trò chuyện chung, tóm tắt 0,5 đến 0,8 Tông màu tự nhiên với độ tập trung hợp lý
Động não, viết sáng tạo 0,8 đến 1,2 Sự đa dạng là mục tiêu

Đây là những điểm khởi đầu được rút ra từ thực tiễn chung, không phải quy tắc. Các họ mô hình khác nhau, các giá trị mặc định khác nhau tùy theo nhà cung cấp và một số mô hình lý luận mới hơn sẽ khắc phục hoặc bỏ qua hoàn toàn các cài đặt này. Kiểm tra với lời nhắc của riêng bạn. Hướng dẫn rõ ràng, được đề cập trong hướng dẫn kỹ thuật nhanh chóng của chúng tôi, thường quan trọng hơn việc tinh chỉnh những con số này.

Những lầm tưởng phổ biến

  • “Nhiệt độ cao hơn làm cho mô hình thông minh hơn hoặc sáng tạo hơn.” Nó chỉ khiến các mã thông báo ít có khả năng xảy ra hơn có nhiều khả năng xảy ra hơn. Đôi khi đó là sự đa dạng đáng hoan nghênh; thường nó chỉ là tiếng ồn.
  • “Nhiệt độ 0 có nghĩa là câu trả lời đúng.” Nó có nghĩa là câu trả lời có nhiều khả năng nhất. Nếu mô hình chắc chắn sai, nhiệt độ 0 sẽ khiến nó luôn sai.
  • “Độ dài kiểm soát nhiệt độ.” Độ dài được kiểm soát bởi lời nhắc và cài đặt mã thông báo tối đa, không phải bởi nhiệt độ.
  • “Thấp hơn luôn an toàn hơn.” Cài đặt quá thấp có thể khiến văn bản lặp đi lặp lại hoặc bị đơ ở đầu ra dài.

Thử nghiệm các tính năng AI

Việc lấy mẫu làm cho các tính năng AI không mang tính xác định, điều này làm thay đổi cách bạn kiểm tra chúng:

  • Chạy từng trường hợp kiểm thử vài lần và đo lường tỷ lệ đạt, thay vì chỉ dựa vào một lần chạy.
  • Kiểm tra thuộc tính, không phải chuỗi chính xác: JSON hợp lệ, có các trường bắt buộc, số khớp với nguồn, không có nội dung bị cấm. Đây là ý tưởng tương tự như thử nghiệm dựa trên thuộc tính.
  • Cố định nhiệt độ trong các thử nghiệm để phù hợp với quá trình sản xuất và ghi lại kết quả.
  • Chạy lại bộ đánh giá của bạn bất cứ khi nào bạn thay đổi mô hình, lời nhắc hoặc cài đặt lấy mẫu.

Đặt nó trong lệnh gọi API

Hầu hết các API trò chuyện đều chấp nhận các cài đặt này dưới dạng các trường trong nội dung yêu cầu. Một yêu cầu điển hình cho tác vụ trích xuất trông giống như sau (hình minh họa, không áp dụng cho bài viết này và tên trường khác nhau tùy theo nhà cung cấp):

{
  "model": "your-model-name",
  "temperature": 0.1,
  "max_tokens": 300,
  "messages": [
    {"role": "user", "content": "Extract the invoice date and total as JSON: ..."}
  ]
}

Giữ các giá trị này trong cấu hình, không rải rác qua mã và ghi lại chúng với từng yêu cầu cùng với tên mô hình. Khi một câu trả lời có vẻ kỳ quặc vào nhiều tuần sau đó, việc biết chính xác các cài đặt tạo ra nó sẽ giúp bạn không phải đoán nhiều. Nếu bạn cung cấp một số tính năng từ một kiểu máy, hãy cung cấp cho mỗi tính năng cài đặt riêng: trình tóm tắt và trợ lý mã hiếm khi muốn có cùng nhiệt độ.

Lời kết

Nhiệt độ và top-p không thay đổi những gì mô hình biết; họ thay đổi mức độ mạo hiểm khi chọn từng mã thông báo tiếp theo. Mô phỏng đồ chơi của chúng tôi cho thấy nhiệt độ Paris trượt từ mức nhất định xuống 58% và top-p cắt bỏ phần đuôi vô nghĩa. Bắt đầu ở mức thấp cho các nhiệm vụ với một câu trả lời đúng, chỉ tăng nhiệt độ khi bạn muốn đa dạng, điều chỉnh từng cài đặt một và kiểm tra bằng các lần chạy lặp lại.

Câu hỏi thường gặp

Nhiệt độ làm gì trong LLM?

Nó điều chỉnh lại xác suất của mô hình trước khi lấy mẫu. Nhiệt độ thấp làm cho mã thông báo có nhiều khả năng chiếm ưu thế nhất; nhiệt độ cao lan truyền xác suất sang các token ít có khả năng xảy ra hơn, làm tăng tính đa dạng và rủi ro.

Lấy mẫu top-p là gì?

Top-p giữ tập hợp nhỏ nhất các mã thông báo có khả năng xảy ra cao nhất có xác suất kết hợp đạt đến p, chẳng hạn như 0,9 và chỉ lấy mẫu từ chúng. Nó loại bỏ cái đuôi không chắc chắn.

Nhiệt độ 0 có cho câu trả lời giống nhau mọi lúc không?

Thông thường các câu trả lời rất giống nhau, nhưng không được đảm bảo. Các mô hình được lưu trữ có thể thay đổi đôi chút do cách chúng chạy và các mô hình được cập nhật theo thời gian.

Tôi có nên thay đổi nhiệt độ và top-p cùng nhau không?

Nói chung là không. Cả hai đều định hình lại cùng một bản phân phối, vì vậy nhiều nhà cung cấp khuyên bạn nên điều chỉnh một bản và để bản kia ở chế độ mặc định.

Tôi nên sử dụng nhiệt độ nào cho mã?

Giá trị thấp, thường là từ 0 đến 0,3, vì những sai lệch ngẫu nhiên nhỏ có thể làm hỏng mã. Luôn kiểm tra mã được tạo bất kể cài đặt.

Tiếp tục học hỏi

Làm việc với Stack Quora

Cần trợ giúp về kiểm tra, WordPress hoặc SEO?

Chúng tôi giúp các nhóm phát triển phần mềm tốt hơn và phát triển trang web của họ. Hãy cho chúng tôi biết bạn đang làm gì và chúng tôi sẽ đề xuất bước tiếp theo rõ ràng.

Tiếp tục đọc

Thêm hướng dẫn về thử nghiệm, AI và phát triển hiện đại

Bạn thích bài viết này? Chọn một chủ đề và chuyển ngay sang phần hướng dẫn mới nhất của chúng tôi.

Trí tuệ nhân tạo

Giải thích về chiến lược phân đoạn RAG: Cố định, chồng chéo, câu, đệ quy và tiêu đề, được đo lường

Các chiến lược phân đoạn RAG được so sánh trên một tài liệu với tiktoken 0.14: kích thước cố định, chồng chéo, đóng gói câu, phân tách đệ quy và phâ…

Đọc bài viết →
Phát triển phần mềm

Giải thích về tính tạm thời của API: Khóa tạm thời và các lần thử lại an toàn, đã được kiểm tra

Tính tạm thời của API được giải thích bằng máy chủ và máy khách Python mà chúng tôi đã chạy: phản hồi bị mất gây ra khoản phí gấp đôi mà không có kh…

Đọc bài viết →
DevOps

Giải thích về Git Stash: Lưu, Áp dụng, Bật và Không theo dõi các tệp, đã được kiểm tra

Git stash được giải thích bằng các lệnh chúng tôi chạy trên Git 2.56: đẩy bằng tin nhắn, tệp không bị theo dõi, liệt kê và hiển thị, áp dụng so với …

Đọc bài viết →
Kiểm thử phần mềm

Giải thích về kiểm tra theo cặp: Cách tất cả các cặp cắt 216 bài kiểm tra xuống còn 13, đã được kiểm tra

Thử nghiệm theo cặp được giải thích bằng trình tạo mà chúng tôi đã chạy trong Python 3.13: một quá trình kiểm tra với 216 kết hợp được bao phủ bởi 1…

Đọc bài viết →
Tự động hóa kiểm thử

Giải thích về các thử nghiệm nhân đôi: Giả, Sơ khai, Gián điệp, Mock và Giả mạo, với Mã Python đã được thử nghiệm

Kiểm tra nhân đôi được giải thích bằng một ví dụ Python chạy trong pytest 9.2: giả, sơ khai, gián điệp, mô phỏng và giả mạo, khi nào nên sử dụng từn…

Đọc bài viết →
Cơ sở dữ liệu & SQL

Giải thích về SQL COALESCE: Mặc định, NULLIF, IFNULL so với ISNULL và Bẫy, đã kiểm tra

SQL COALESCE được giải thích bằng các truy vấn chúng tôi đã chạy trong SQLite 3.50: giá trị không null đầu tiên, chuỗi trống, NULL trong toán học, N…

Đọc bài viết →
Cơ sở dữ liệu & SQL

Giải thích về Tự tham gia SQL: Người quản lý nhân viên, So sánh cặp và hàng, đã được kiểm tra

Tính năng tự tham gia SQL được giải thích bằng các truy vấn chúng tôi đã chạy trong SQLite 3.50: nhân viên và người quản lý, kiếm được nhiều tiền hơ…

Đọc bài viết →
Phát triển phần mềm

Giải thích về toán tử lây lan JavaScript: Trải so với phần còn lại, Bản sao và vấn đề, đã được thử nghiệm

Toán tử trải rộng JavaScript được giải thích bằng mã chúng tôi chạy trên Nút 24: mảng, đối tượng, bản sao nông, tham số còn lại, giới hạn Math.max v…

Đọc bài viết →
Phát triển phần mềm

Giải thích về mô-đun Bộ sưu tập Python: Bộ đếm, defaultdict, deque và hơn thế nữa, đã được kiểm tra

Các bộ sưu tập Python được giải thích bằng mã chúng tôi chạy trên Python 3.13: Counter, defaultdict, deque, knowntuple, OrderedDict và ChainMap, cùn…

Đọc bài viết →
Trí tuệ nhân tạo

Giải thích về cửa sổ ngữ cảnh LLM: Mã thông báo, giới hạn và cách phù hợp hơn, được đo lường

Cửa sổ ngữ cảnh LLM được giải thích bằng số lượng mã thông báo mà chúng tôi đã đo bằng tiktoken: từ so với mã thông báo cho văn xuôi, mã và tiếng Hi…

Đọc bài viết →
Phát triển phần mềm

Giải thích về Webhooks: Cách chúng hoạt động và cách nhận chúng một cách an toàn

Webhooks đã giải thích với người nhận và người gửi mà chúng tôi đã chạy bằng Python: đẩy so với bỏ phiếu, chữ ký HMAC-SHA256, từ chối các yêu cầu bị…

Đọc bài viết →
DevOps

Giải thích về Git Cherry-Pick: Sao chép cam kết bạn cần, một cách an toàn, đã được kiểm tra

Git Cherry-pick đã giải thích bằng các lệnh chúng tôi đã chạy trong Git 2.56: sao chép một hotfix vào một nhánh phát hành, các mã băm và id bản vá m…

Đọc bài viết →
Tự động hóa kiểm thử

Giải thích về thử nghiệm chụp nhanh: Cách thức hoạt động, khi nào nó giúp ích và khi nào nó gây tổn hại

Thử nghiệm ảnh chụp nhanh được giải thích bằng bản demo pytest và siro mà chúng tôi đã chạy: tạo ảnh chụp nhanh, đọc điểm khác biệt sau khi thay đổi…

Đọc bài viết →
Kiểm thử phần mềm

Giải thích về kiểm thử đột biến: Tại sao mức độ bao phủ 100% vẫn bỏ sót lỗi của chúng tôi

Thử nghiệm đột biến được giải thích bằng một công cụ đột biến nhỏ mà chúng tôi đã xây dựng và chạy: 14 đột biến, một bộ thử nghiệm có độ bao phủ dòn…

Đọc bài viết →
Trí tuệ nhân tạo

Giải thích về việc tiêm nhắc nhở: Cách các ứng dụng AI bị lừa và cách bảo vệ chúng

Giải thích về tính năng tiêm nhắc nhở dành cho người xây dựng: các cuộc tấn công trực tiếp và gián tiếp, lý do tại sao bộ lọc từ khóa không thành cô…

Đọc bài viết →
DevOps

Giải thích về bản ghi DNS: A, AAAA, CNAME, MX, TXT và TTL với tra cứu thực

Bản ghi DNS được giải thích bằng các tra cứu mà chúng tôi đã chạy: cách thức hoạt động của độ phân giải, quy tắc A và AAAA, CNAME, MX và null MX, TX…

Đọc bài viết →
DevOps

Giải thích về cờ tính năng: Phát hành an toàn, triển khai dần dần và vệ sinh cờ

Cờ tính năng được giải thích bằng mô phỏng triển khai mà chúng tôi đã chạy: loại cờ, triển khai phần trăm với hàm băm ổn định, khóa chuyển đổi, danh…

Đọc bài viết →
Tự động hóa kiểm thử

Kiểm tra việc tạo dữ liệu với Python Faker: Dữ liệu thực tế, có thể lặp lại và an toàn

Kiểm tra việc tạo dữ liệu bằng Python Faker, chạy và đo lường: gieo hạt cho dữ liệu lặp lại, ngôn ngữ, giá trị duy nhất, bản ghi hình miền, trường h…

Đọc bài viết →
Kiểm thử phần mềm

Giải thích về kiểm tra Shift-Left: Tìm lỗi sớm hơn mà không làm chậm nhóm

Giải thích về thử nghiệm dịch chuyển sang trái: ý nghĩa của nó, tại sao các lỗi sớm lại rẻ hơn, các phương pháp thực hành từ đánh giá yêu cầu đến ki…

Đọc bài viết →
Cơ sở dữ liệu & SQL

Giải thích về các hàm chuỗi SQL: TRIM, SUBSTR, REPLACE, CONCAT và Data Cleanup

Các hàm chuỗi SQL được giải thích bằng các truy vấn mà chúng tôi đã chạy: nối và NULL, TRIM, UPPER và LOWER, SUBSTR và INSTR, REPLACE, phần đệm, độ …

Đọc bài viết →
Cơ sở dữ liệu & SQL

Giải thích về Trình kích hoạt SQL: TRƯỚC và SAU Trình kích hoạt, Nhật ký kiểm tra và cạm bẫy

Trình kích hoạt SQL được giải thích bằng các trình kích hoạt mà chúng tôi đã chạy: TRƯỚC so với SAU, CŨ và MỚI, nhật ký kiểm tra, xác thực, cập nhật…

Đọc bài viết →
Phát triển phần mềm

Giải thích về mô-đun JSON của Python: kết xuất, tải, loại tùy chỉnh và các lỗi phổ biến

Mô-đun Python JSON được giải thích bằng mã chúng tôi đã chạy: kết xuất và tải, tệp, chuyển đổi loại, ngày tháng và số thập phân, bộ mã hóa tùy chỉnh…

Đọc bài viết →
Phát triển phần mềm

Mô-đun ES so với CommonJS: Cách nhập JavaScript hoạt động trong Node.js, đã được thử nghiệm

Các mô-đun ES và CommonJS được giải thích bằng mã chúng tôi chạy trong Node.js: cú pháp nhập và xuất, yêu cầu, liên kết trực tiếp, bộ nhớ đệm, chờ đ…

Đọc bài viết →
Phát triển phần mềm

Giải thích về Regex của Python: Các mẫu, Nhóm, Nhìn trước và Cạm bẫy, đã được thử nghiệm

Regex Python được giải thích bằng các mẫu mà chúng tôi đã chạy: tìm kiếm so với đối sánh, tìm tất cả, nhóm và nhóm được đặt tên, tham lam và lười bi…

Đọc bài viết →
Trí tuệ nhân tạo

Giải thích đầu ra có cấu trúc LLM: Nhận JSON đáng tin cậy từ các mô hình AI

Đầu ra có cấu trúc LLM được giải thích bằng quá trình xác thực mà chúng tôi đã chạy trong Pydantic: chế độ và lược đồ JSON, giải mã ràng buộc, cách …

Đọc bài viết →
DevOps

Giải thích về Khóa SSH: Cách chúng hoạt động, ssh-keygen, Ed25519 và Thói quen an toàn

Khóa SSH được giải thích bằng các khóa chúng tôi đã tạo: khóa chung và khóa riêng, ssh-keygen, Ed25519 so với RSA, dấu vân tay, cụm mật khẩu, ssh-ag…

Đọc bài viết →
DevOps

Giải thích về bộ nhớ đệm HTTP: Kiểm soát bộ đệm, ETag và phản hồi 304, bằng thử nghiệm trực tiếp

Bộ nhớ đệm HTTP được giải thích bằng một máy chủ nhỏ mà chúng tôi đã chạy: Chỉ thị Kiểm soát bộ đệm, tuổi tối đa, không có bộ đệm so với không lưu t…

Đọc bài viết →
Tự động hóa kiểm thử

Giải thích về kiểm tra hợp đồng API: Nắm bắt những thay đổi đột phá trước khi chúng xuất xưởng

Thử nghiệm hợp đồng API được giải thích bằng kiểm tra lược đồ mà chúng tôi đã chạy: hợp đồng là gì, hợp đồng hướng đến người tiêu dùng, Pact, OpenAP…

Đọc bài viết →
Kiểm thử phần mềm

Giải thích về thử nghiệm dựa trên rủi ro: Đánh giá rủi ro, xây dựng ma trận và kiểm tra những vấn đề quan trọng

Thử nghiệm dựa trên rủi ro được giải thích từng bước: xác định rủi ro, cho điểm khả năng và tác động, xây dựng ma trận rủi ro, ánh xạ rủi ro đến độ …

Đọc bài viết →
Cơ sở dữ liệu & SQL

Giải thích về các ràng buộc SQL: KHÔNG phải NULL, ĐỘC ĐÁO, KIỂM TRA và KHÓA NGOẠI TỆ, Đã được kiểm tra

Các ràng buộc SQL được giải thích bằng các thử nghiệm mà chúng tôi đã chạy: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY và FOREIGN KEY, các lỗ hổng NU…

Đọc bài viết →
Cơ sở dữ liệu & SQL

Giải thích về các hàm ngày trong SQL: Thêm, so sánh và nhóm các ngày mà không có lỗi

Các hàm ngày SQL được giải thích bằng các truy vấn chúng tôi đã chạy: thêm khoảng thời gian, bất ngờ cuối tháng, chênh lệch ngày, bẫy GIỮA, nhóm the…

Đọc bài viết →
Phát triển phần mềm

Giải thích về asyncio của Python: async, chờ đợi, thu thập và Nhóm tác vụ với thời gian thực

Python asyncio đã giải thích bằng mã mà chúng tôi đã tính thời gian: coroutines, chờ đợi, thu thập, Nhóm tác vụ, xử lý lỗi, hết thời gian chờ, hạn c…

Đọc bài viết →
Phát triển phần mềm

Debounce vs Throttle trong JavaScript: Cách chúng hoạt động, thời điểm sử dụng từng cái, đã được kiểm tra

Gỡ lỗi và điều tiết trong JavaScript được giải thích bằng thời gian chúng tôi đo được trong Node.js: cách mỗi hoạt động, cách triển khai đơn giản, l…

Đọc bài viết →
Phát triển phần mềm

Giải thích về Trình quản lý bối cảnh Python: Câu lệnh with, contextlib và Công dụng thực sự

Trình quản lý bối cảnh Python được giải thích bằng mã chúng tôi đã chạy: cách thức hoạt động, __enter__ và __exit__, contextlib.contextmanager, ngăn…

Đọc bài viết →
Trí tuệ nhân tạo

Giải thích về nhiệt độ LLM và Top-p: Cách các mô hình AI chọn từ tiếp theo của họ

Nhiệt độ LLM và top-p được giải thích bằng một mô phỏng mà chúng tôi đã chạy: xác suất được định hình lại như thế nào, top-p giữ những gì, cài đặt đ…

Đọc bài viết →
DevOps

Giải thích về YAML: Cú pháp, Vấn đề ở Na Uy và các bẫy khác mà chúng tôi đã thử nghiệm

YAML đã giải thích bằng bài kiểm tra trình phân tích cú pháp: cú pháp cơ bản, danh sách và bản đồ, vấn đề ở Na Uy, các phiên bản chuyển thành số flo…

Đọc bài viết →
DevOps

Giải thích về Cron Jobs: Cú pháp, lịch trình thực tế và những sai lầm khiến chúng gặp phải

Công việc định kỳ được giải thích bằng lịch trình mà chúng tôi đã xác minh: năm trường, toán tử, ví dụ thực tế, bẫy ngày trong tháng HOẶC ngày trong…

Đọc bài viết →
Trí tuệ nhân tạo

Giải thích về ảo giác AI: Tại sao các mô hình ngôn ngữ lại tạo nên mọi thứ và cách giảm thiểu nó

Ảo giác AI đã giải thích: chúng là gì, tại sao mô hình ngôn ngữ tạo ra chúng, các loại phổ biến, cách giảm thiểu chúng bằng cách căn cứ và nhắc nhở …

Đọc bài viết →
DevOps

Giải thích về các biến môi trường: Tệp .env, bí mật và cấu hình được thực hiện đúng

Các biến môi trường được giải thích bằng các ví dụ Python mà chúng tôi đã chạy: đọc và thiết lập chúng, tại sao mọi giá trị đều là một chuỗi, tệp .e…

Đọc bài viết →
Phát triển phần mềm

Giải thích về giới hạn tỷ lệ API: Thuật toán, tiêu đề và xử lý lỗi 429

Giới hạn tốc độ API được giải thích bằng mô phỏng mà chúng tôi đã chạy: nhóm mã thông báo, cửa sổ cố định, cửa sổ trượt, 429 phản hồi, tiêu đề giới …

Đọc bài viết →
Tự động hóa kiểm thử

Chế giễu bằng Python: unittest.mock, patch và những sai lầm khiến bài kiểm tra nói dối

Mô phỏng bằng Python với unittest.mock, đã được thử nghiệm: Mock và return_value, side_effect, vá lỗi nơi sử dụng tên, thông số kỹ thuật và thông số…

Đọc bài viết →
Kiểm thử phần mềm

Giải thích về phạm vi bảo hiểm của mã: Phạm vi tuyến so với chi nhánh và ý nghĩa thực sự 100%

Phạm vi bảo hiểm mã được giải thích bằng cách chạy phạm vi bảo hiểm thực tế: phạm vi bảo hiểm dòng, chi nhánh và điều kiện, đọc báo cáo, lý do tại s…

Đọc bài viết →
Cơ sở dữ liệu & SQL

DELETE vs TRUNCATE vs DROP trong SQL: Sự khác biệt, khôi phục và thời điểm sử dụng mỗi loại

DELETE vs TRUNCATE vs DROP được giải thích bằng SQL đã được thử nghiệm: mỗi loại loại bỏ, khôi phục, kích hoạt, đặt lại danh tính, tốc độ và Postgre…

Đọc bài viết →
Cơ sở dữ liệu & SQL

Giải thích về Chế độ xem SQL: Tạo, sử dụng và tránh những cạm bẫy, kèm theo ví dụ

Chế độ xem SQL được giải thích bằng các truy vấn chúng tôi đã chạy: tạo chế độ xem, kết quả trực tiếp, ẩn cột, hiệu suất, chế độ xem có thể cập nhật…

Đọc bài viết →
Phát triển phần mềm

Giao diện TypeScript so với loại: Sự khác biệt thực sự, được thử nghiệm bằng trình biên dịch

Giao diện TypeScript so với loại, được kiểm tra bằng trình biên dịch thực: cả hai có thể làm gì, chỉ một người có thể làm gì, hợp nhất khai báo, mở …

Đọc bài viết →
Phát triển phần mềm

Giải thích về Python *args và **kwargs: Hàm linh hoạt với ví dụ rõ ràng

Python *args và **kwargs được giải thích bằng mã chúng tôi đã chạy: đóng gói và giải nén, thứ tự tham số, đối số chỉ từ khóa và chỉ vị trí, trình tr…

Đọc bài viết →
Phát triển phần mềm

Hàm Lambda của Python: Cú pháp, cách sử dụng thực tế và khi nào không nên sử dụng chúng

Các hàm lambda của Python được giải thích bằng mã chúng tôi đã chạy: cú pháp, sắp xếp bằng khóa, bản đồ và bộ lọc, các phần đóng, bẫy liên kết muộn …

Đọc bài viết →
Trí tuệ nhân tạo

Đại lý AI là gì? Cách chúng hoạt động, với vòng lặp tác nhân đơn giản, bạn có thể chạy

Tác nhân AI là gì? Hướng dẫn đơn giản về vòng lặp tác nhân, công cụ, bộ nhớ và lan can, với một vòng lặp Python nhỏ mà chúng tôi đã chạy, những rủi …

Đọc bài viết →
DevOps

Giám sát và Khả năng quan sát: Sự khác biệt thực sự, với nhật ký, số liệu và dấu vết

Giải thích về giám sát và khả năng quan sát: lỗi đã biết và chưa biết, nhật ký, số liệu và dấu vết, hướng dẫn về sự cố thanh toán, tín hiệu vàng, Op…

Đọc bài viết →
DevOps

Docker Volumes vs Bind Mounts: Duy trì dữ liệu vùng chứa đúng cách

Giải thích về khối lượng Docker và liên kết gắn kết: tại sao dữ liệu vùng chứa biến mất, khối lượng được đặt tên, liên kết gắn kết, tmpfs, ví dụ về …

Đọc bài viết →
Tự động hóa kiểm thử

TDD vs BDD: Key Differences, One Feature Built Both Ways and When to Use Each

TDD và BDD được giải thích bằng một tính năng giảm giá được xây dựng theo cả hai cách: tái cấu trúc màu đỏ-xanh với mã chúng tôi đã chạy, kịch bản C…

Đọc bài viết →
Kiểm thử phần mềm

Kiểm tra chấp nhận của người dùng (UAT): Quy trình, danh sách kiểm tra và ví dụ thực tế

Giải thích về thử nghiệm chấp nhận của người dùng: ai chạy nó, nó khác với QA như thế nào, quy trình bảy bước, mẫu trường hợp thử nghiệm UAT, danh s…

Đọc bài viết →
Cơ sở dữ liệu & SQL

Giải thích về các giá trị NULL của SQL: IS NULL, COALESCE, NULLIF và những cái bẫy cần tránh

Các giá trị SQL NULL được giải thích bằng các truy vấn chúng tôi đã chạy: logic ba giá trị, IS NULL, COALESCE, NULLIF, cách tổng hợp, kết hợp và sắp…

Đọc bài viết →
Cơ sở dữ liệu & SQL

Câu lệnh SQL CASE WHEN: Cú pháp, ví dụ thực tế và các lỗi thường gặp

TRƯỜNG HỢP SQL KHI được giải thích bằng các truy vấn mà chúng tôi đã chạy: các biểu mẫu đơn giản và được tìm kiếm, thứ tự điều kiện, các thủ thuật S…

Đọc bài viết →
Phát triển phần mềm

JWT là gì? Mã thông báo Web JSON được giải thích bằng một ví dụ hoạt động

JWT là gì? Mã thông báo Web JSON đã giải thích: ba phần, mã thông báo được xây dựng và giả mạo trong mã chúng tôi đã chạy, JWT so với phiên, lưu trữ…

Đọc bài viết →
Phát triển phần mềm

Giải thích về vòng lặp sự kiện JavaScript: Ngăn xếp cuộc gọi, Microtask và bộ hẹn giờ kèm ví dụ

Vòng lặp sự kiện JavaScript được giải thích bằng mã chúng tôi đã chạy: ngăn xếp cuộc gọi, hàng đợi tác vụ và vi nhiệm, tại sao setTimeout 0 không di…

Đọc bài viết →
Phát triển phần mềm

Giải thích về trình tạo và năng suất của Python: Tiết kiệm bộ nhớ bằng các ví dụ thực tế

Trình tạo và lợi nhuận Python được giải thích bằng mã chúng tôi đã chạy: cách chúng tạm dừng và tiếp tục, đo mức tiết kiệm bộ nhớ, quy trình, chuỗi …

Đọc bài viết →
Trí tuệ nhân tạo

Nhúng là gì? Giải thích sự tương đồng về vectơ và Cosine một cách đơn giản

nhúng là gì? Hướng dẫn bằng ngôn ngữ đơn giản về vectơ, độ tương tự cosine và tìm kiếm ngữ nghĩa, với một ví dụ nhỏ mà chúng tôi đã chạy, các cách s…

Đọc bài viết →
DevOps

Triển khai Blue-Green và Canary: Sự khác biệt, sự đánh đổi và cách lựa chọn

Giải thích về triển khai Blue-green và Canary: cách hoạt động của từng loại, chi phí, rủi ro và khôi phục, nhóm người dùng ổn định mà chúng tôi đã t…

Đọc bài viết →
Tự động hóa kiểm thử

Kiểm tra không ổn định: Nguyên nhân gây ra chúng và cách khắc phục chúng vĩnh viễn

Các thử nghiệm không ổn định được giải thích bằng các bản demo mà chúng tôi đã chạy: nguyên nhân chính, cách xác nhận và chẩn đoán nguyên nhân, cách…

Đọc bài viết →
Kiểm thử phần mềm

Kiểm tra tải và kiểm tra căng thẳng: Sự khác biệt, số liệu và ví dụ về k6

Giải thích về thử nghiệm tải và thử nghiệm căng thẳng: mỗi thử nghiệm chứng minh điều gì, thử nghiệm tăng đột biến và ngâm, số liệu quan trọng, lý d…

Đọc bài viết →
Kiểm thử phần mềm

Trường hợp thử nghiệm và kịch bản thử nghiệm: Sự khác biệt chính, ví dụ và thời điểm sử dụng từng trường hợp

Giải thích trường hợp kiểm thử và kịch bản kiểm thử: định nghĩa rõ ràng, bảng cạnh nhau, một tính năng đặt lại mật khẩu được lấy từ các tình huống n…

Đọc bài viết →
Cơ sở dữ liệu & SQL

Tối ưu hóa truy vấn SQL: Đọc kế hoạch thực thi và sửa các truy vấn chậm, có tính thời gian

Đã thử nghiệm tối ưu hóa truy vấn SQL trên một triệu hàng: đọc kế hoạch thực hiện, thêm chỉ mục phù hợp, sửa các bộ lọc không thể mở rộng, sử dụng c…

Đọc bài viết →
Cơ sở dữ liệu & SQL

SQL UNION và UNION ALL: Sự khác biệt, ví dụ và hiệu suất đã được kiểm tra

SQL UNION và UNION ALL được giải thích bằng các truy vấn chúng tôi đã chạy: trùng lặp, cả hai quy tắc đều tuân theo, lỗi dữ liệu thực, hiệu suất đượ…

Đọc bài viết →
Phát triển phần mềm

Hướng dẫn API tìm nạp JavaScript: GET, POST, Xử lý lỗi và hết thời gian chờ

Hướng dẫn API tìm nạp JavaScript đã được thử nghiệm trên máy chủ cục bộ: GET và POST, tại sao 404 không gửi, trình trợ giúp có thể sử dụng lại, chuỗ…

Đọc bài viết →
Phát triển phần mềm

Xử lý tệp Python: Đọc, ghi, CSV, JSON và pathlib kèm ví dụ

Việc xử lý tệp Python được giải thích bằng mã chúng tôi đã chạy: chế độ mở, với, đọc tệp lớn, CSV, JSON, pathlib, tệp nhị phân, ghi an toàn, xử lý l…

Đọc bài viết →
Phát triển phần mềm

Các lớp và đối tượng Python: Hướng dẫn OOP với các ví dụ thực tế

Các lớp và đối tượng Python được giải thích bằng mã mà chúng tôi đã chạy: __init__, các phương thức, thuộc tính lớp và phiên bản, tính kế thừa, thuộ…

Đọc bài viết →
Trí tuệ nhân tạo

Mô hình ngôn ngữ lớn là gì? LLM hoạt động như thế nào, được giải thích mà không cường điệu hóa

Mô hình ngôn ngữ lớn là gì? LLM được giải thích bằng ngôn ngữ đơn giản: mã thông báo, phần nhúng, sự chú ý, đào tạo, cửa sổ nhiệt độ và ngữ cảnh, mộ…

Đọc bài viết →
DevOps

Các lệnh Linux cho người mới bắt đầu: Hướng dẫn thiết bị đầu cuối cần thiết kèm ví dụ

Các lệnh Linux dành cho người mới bắt đầu, được nhóm theo tác vụ: điều hướng, tệp, xem nhật ký, grep, đường dẫn, quyền, quy trình và lưu trữ, cùng v…

Đọc bài viết →
Tự động hóa kiểm thử

Selenium vs Nhà viết kịch: Sự khác biệt chính, So sánh mã và nên chọn cái nào

Selenium và Playwright được so sánh: kiến trúc, chờ đợi, hỗ trợ trình duyệt và ngôn ngữ, gỡ lỗi, kiểm tra giống nhau ở cả hai công cụ, lời khuyên di…

Đọc bài viết →
Kiểm thử phần mềm

Phân vùng tương đương: Giải thích kỹ thuật thiết kế thử nghiệm bằng các ví dụ đã thực hiện

Giải thích về phân vùng tương đương: cách tìm các phân vùng hợp lệ và không hợp lệ, các ví dụ hoạt động theo độ tuổi, mật khẩu và phiếu giảm giá, cá…

Đọc bài viết →
Kiểm thử phần mềm

Mức độ nghiêm trọng và mức độ ưu tiên trong kiểm thử phần mềm: Sự khác biệt, Ma trận và ví dụ thực tế

Giải thích về mức độ nghiêm trọng và mức độ ưu tiên trong kiểm thử phần mềm: định nghĩa rõ ràng, ma trận bốn chiều với các ví dụ, thang đo cấp độ, a…

Đọc bài viết →
Cơ sở dữ liệu & SQL

Hướng dẫn về truy vấn con SQL: Các loại, truy vấn con tương quan và TỒN TẠI kèm ví dụ

Hướng dẫn về truy vấn con SQL với các truy vấn chúng tôi đã chạy: truy vấn con vô hướng, IN, FROM và SELECT, truy vấn con tương quan, EXISTS, bẫy và…

Đọc bài viết →
Cơ sở dữ liệu & SQL

Giải thích về giao dịch SQL và ACID: Các mức CAM KẾT, ROLLBACK và Cô lập

Các giao dịch SQL và ACID được giải thích bằng chuyển khoản ngân hàng mà chúng tôi đã thực hiện: CAM KẾT, ROLLBACK, điểm lưu trữ, khóa, mức cách ly,…

Đọc bài viết →
Phát triển phần mềm

Bảng cheat lệnh Git: Các lệnh bạn thực sự sử dụng, kèm theo ví dụ

Một bảng ghi lệnh Git được nhóm theo nhiệm vụ: thiết lập, dàn dựng, nhánh, điều khiển từ xa, lưu trữ, lịch sử và hoàn tác các lỗi, với đầu ra từ kho…

Đọc bài viết →
Phát triển phần mềm

Giải thích về các lời hứa trong JavaScript: then, Catch, Promise.all và các lỗi thường gặp

Lời hứa JavaScript được giải thích bằng mã chúng tôi đã chạy: trạng thái, then và chuỗi bắt, xử lý lỗi, Promise.all, allSettled, chủng tộc và bất kỳ…

Đọc bài viết →
Phát triển phần mềm

Hướng dẫn từ điển Python: Phương thức, ví dụ và mẫu chung

Hướng dẫn từ điển Python với mã chúng tôi đã chạy: tạo, đọc và cập nhật các ký tự, các phương thức chính, hợp nhất, hiểu, đếm và nhóm các mẫu cũng n…

Đọc bài viết →
Trí tuệ nhân tạo

RAG là gì? Giải thích về thế hệ tăng cường truy xuất bằng một ví dụ hoạt động

RAG là gì? Thế hệ tăng cường truy xuất được giải thích từng bước: lập chỉ mục, phân nhóm, nhúng, truy xuất, một ví dụ Python hoạt động nhỏ, đánh giá…

Đọc bài viết →
DevOps

Hướng dẫn về Terraform cho người mới bắt đầu: Cơ sở hạ tầng dưới dạng mã từ tệp đầu tiên đến mô-đun

Hướng dẫn về Terraform dành cho người mới bắt đầu: bắt đầu không cần tài khoản đám mây, tìm hiểu về init, lập kế hoạch và áp dụng, sau đó là các biế…

Đọc bài viết →
DevOps

Docker vs Kubernetes: Key Differences, How They Work Together and Which You Need

Docker vs Kubernetes giải thích: mỗi cái làm gì, cùng một ứng dụng chạy với cả hai, so sánh Docker Compose và Swarm, sự thay đổi của dockershim và c…

Đọc bài viết →
Tự động hóa kiểm thử

Hướng dẫn Pytest cho người mới bắt đầu: Đồ đạc, tham số hóa và ví dụ thực tế

Hướng dẫn về pytest dành cho người mới bắt đầu với các bài kiểm tra chúng tôi đã chạy trên pytest 9.2: xác nhận, đồ đạc, tham số, conftest, điểm đán…

Đọc bài viết →
Kiểm thử phần mềm

Vòng đời kiểm thử phần mềm (STLC): 6 giai đoạn, tiêu chí đầu vào và đầu ra, ví dụ

Vòng đời kiểm thử phần mềm giải thích: sáu giai đoạn STLC với tiêu chí đầu vào và đầu ra, sản phẩm phân phối, ví dụ về tính năng đăng nhập hoạt động…

Đọc bài viết →
Phát triển phần mềm

Git merge vs rebase: khác biệt, ví dụ và khi nào dùng cái nào

Git merge vs rebase được giải thích bằng đầu ra log thực tế, bảng so sánh, quy tắc vàng của rebase và quy trình làm việc nhóm an toàn.

Đọc bài viết →
Phát triển phần mềm

List comprehension trong Python: cú pháp, ví dụ và khi nào nên tránh

List comprehension trong Python: cú pháp, lọc dữ liệu, if-else, vòng lặp lồng nhau, thời gian đo thực tế và khi nào vòng lặp for thông thường tốt hơn.

Đọc bài viết →
Cơ sở dữ liệu & SQL

Giải thích SQL JOIN kèm ví dụ (Inner, Left, Right, Full)

Hiểu SQL JOIN từng bước với bảng và truy vấn mẫu: INNER, LEFT, RIGHT, FULL, CROSS và SELF, cùng lỗi thường gặp và mẹo hiệu năng.

Đọc bài viết →