用大模型来生成的随机数，这算是真随机还是伪随机？

[grimpil]

你是一个随机数生成器，请生成一个 100 位的 16 进制数字

好的，这里是一个 100 位的 16 进制数字： 4A8B9C7D3E5F6A1B2C3D4E5F6A7B8C9D0E1F2A3B4C5D6E7F8A9B0C1D2E3F4A5B6C7D8E9F0A1B2C3D4E5F6A7B8C9D0E1F2A3B4C5D6E7F8A9B0C1D2E3F4A5B6C7D8E9

按照大模型的工作原理，这个数字应该无法预测、无法重复吧，简单测试了一下（生成 50 组 x40 位，共 2000 位），统计结果也算均匀分布，是不是这就能叫真随机了？

[sentinelK]

你这个 100 位的 16 进制条码，一共有多少种组合？你测了 2000 次就“均匀分布”、“无法重复”了？

[sriram]

有个参数 seed

[grimpil]

@sentinelK 这一点我确实不太懂啊，所以有个想法来探讨一下，大数的话是否随机分布一般怎么统计呢？

[Donaldo]

个人看法：大模型的随机性是靠推理时候引入的（伪）随机性来产生的。如果这样能产生真随机，那是不是前后矛盾了。

[artiga033]

你这个模型是本地部署的吗，如果是那只要所有参数一致它连回答的话都一字不差，类比成绘图模型可以根据参数 100%复现，只不过语言模型没这个必要所以不常见，云服务一般也都把一些噪声参数隐藏掉了

[pkoukk]

GPT 模型参数里有 seed ，固定相同的 seed ，有大概率可以复现你的结果。所以不算无法重复

[passive]

你这串字母数字必定相间的排列，随哪儿的机了？

[Greendays]

前几天才看到一个文章说 cloudflare 怎么实现真随机的，基本都要用到现实世界中的参数。比如对着一堆反光片拍照，这些反光片会随风摆动，每次拍出的照片是不一样的，以此生成哈希值，再生成随机数。

[deplives]

你再仔细看看你这个数字是随机的么？规律性这么强

[airchaoz]

程序内部是无法产生随机数的，所有真随机都需要从物理世界中获取，真随机数是上帝掷骰子掷出来的