Token-Auswahl im Large Language Model

Kontext vor der Generierung

Aktuell erzeugte Ausgabe

Temperatur balanciert

Ein Temperaturwechsel startet die aktuelle Generierung neu, damit die Wirkung sofort sichtbar wird.

Nächste Auswahl

Wortnahe Kandidaten

Schritt 1/8

Lesart: Die Visualisierung arbeitet bewusst wortnah: Meist werden ganze Wörter oder kurze Wortbausteine gezeigt, obwohl echte LLM-Token technisch auch Wortteile, Leerzeichen oder Satzzeichen sein können. Die große Prozentzahl zeigt die Auswahlchance im gewählten Modus; die Modellbasis bleibt in der Notiz sichtbar.

Standard startet ohne Einleitung.

Kontext verschiebt das Register.

Farbe zeigt Wahrscheinlichkeit.

Autoplay zeigt den Modus besonders deutlich.

Punkt beendet die Ausgabe.

Datengrundlage: kuratierte Wahrscheinlichkeiten im Logprob-Format. Die Modellbasis zeigt die normalisierte Top-Auswahl, nicht die vollständige Modellverteilung. Die Temperaturmodi verändern die Sampling-Auswahlchance: niedrig konzentriert, mittel ausgewogen, hoch mit mehr Risiko für semantisches Kippen.