Překvapivé to není. Každý, kdo trošku ví, jak pravděpodobnostní modely fungují, má jasno, že tam náhoda hraje minoritní prvek, aby model negeneroval pokaždé stejné hodnoty. Pokud někdo LLM považuje za jakoukoliv formu RNG, nedejbože TRNG, tak je blázen. Existuje hromada online i offline toolů na bezpečné generování všeho možného.
Co mě možná malinko překvapuje, je, že moderní modely prostě nezavolají v harness nějaký externí tool, aby to náhodné bylo. Ale stejně se to pořád uloží v kontextu chatu a v data retention, takže je kravina to používat na cokoliv důvěrného.
Tak to asi záleží, v jakém prostředí se jich ptáte. Pokud to uděláte v Claude Code, určitě zavolají. Na duck.ai čekám, že takovou možnost prostě nedostanou. Už protože provozovat nějaké sandboxy pro arbitary code execution je drahé a křehké.
Bez toho, abych mu řekl, ať použije generátor, tak Claude Code vybere 7, a je jedno, jakej je tam model...
Takže bys na to musel mít připojenej tool, samo od sebe se nic nestane...
No to právě moc nechápu, když má WriteFile/ReadFile/WebFetch a může používat bash, tak nějaké head -c 16 /dev/urandom | xxd -p nemůže být přece problém... Spíš se divím, že to nikoho nenapadlo tam naimplementovat, když to tak používá tolik lidí.
19. 10. 2026, 14:35 editováno autorem komentáře
Když jsem mu řekl, ať si vybere nějakej generátor, tak si vybral generátor v PS, kterej vrátil jinou hodnotu než 7
Ještě by byla možnost mu říct: "Ulož si to do paměti....." :D
A proc by to delal??
na dotaz "vyber cislo mezi 1 az 10" je 7 spravna odpoved ikdyby ji zopakoval tisickrat za sebou!
zkus se ho zeptat at vybere nahodne cislo .. pak treba pouzije generator
ja jsem odpovidal na prispevek LivingLegend
nicmene kdyz uz jsme u toho tak jsem to teda zkusil (google ai rezim)
>vyber nahodne cislo mezi 1 az 10
Vaše náhodné číslo je 2.
No aktuální grok ten tool zavolá, a pak stejně napíše 7. Jako naprosto ilogické jednání, ale na dotaz proč to dokázal sám zdůvodnit proč (odpověď z pythona přebil natrénovaný bias, co lidi očekávají).
Jinak při lépe formulovaném dotazu už odpovídá správně.
I s vysvětlením zde
https://grok.com/share/c2hhcmQtMi1jb3B5_4e7095c2-629a-487e-b45c-c48d60555561
19. 10. 2026, 12:58 editováno autorem komentáře
Vnitřek LLM je zcela deterministický. Na daný vstupní vektor vždy odpoví stejný výsledek. Náhodnost se tam přidává až poté, kdy se vezme výsledek, což je množina tokenů a pro každý z nich pravděpodobnost, a jeden z tokenů se náhodně vybere. Pokud má jeden z tokenů výrazně vyšší pravděpodobnost než zbytek, tak skoro vždy se vybere ten.
Tohle je jeden z důvodů, proč LLM nejen, že kopírují lidské chování, ale ještě ho zesilují. Pokud je v datech nějaký "bias", tak na výstupu bude to samé, ale umocněné.
Z číslel mezi 1 a 100 je nejčastěji člověkem zvoleno číslo 37, protože vypadá opravdu hodně náhodně. Nedělitelné, liché, samé liché číslice.
A znalci TBBT odpoví 73
https://sanand0.github.io/llmrandom/
19. 10. 2026, 13:12 editováno autorem komentáře
Nevim, kde vyzkumnik Vodnik udelal ve vyzkumu chybu, ale muj test na codex+gpt6.1-sol:
>vrat mi cislo mezi 1 a 10
Vygeneruji ho pomocí systémového generátoru náhodných čísel.
• Ran python3 -c 'import secrets; print(secrets.randbelow(10) + 1)'
└ 10
10
>Proc jsi pouzil python a nevygeneroval jsi to cislo primo z LLM?
LLM vybírá výstup podle pravděpodobností naučených při trénování, což nezaručuje rovnoměrný výběr čísel 1–10.
Pythoní secrets.randbelow(10) + 1 používá systémový zdroj náhodnosti a dává každému z těchto čísel stejnou šanci.
Takze si uvedomuje sve limitace a v agentnim rezimu je umi hrave obejit. Ale treba Vodnik pouzil chat rezim, kde LLM nema pristup k nastrojum? Nebo mozna Vodnik nema 20$/mesic na placeny model? Kdo vi.
Ted jsem to zkousel jeste anglicky a tam pravda potreboval mirne nakopnout... ale stejne mu vyslo 7 ;-)
>Pick a random number between 1 and 10
7
Worked for 1s • 12:09
>Pick a _random_ number between 1 and 10
• Ran python3 -c 'import secrets; print(secrets.randbelow(10) + 1)'
└ 7
7
Worked for 3s • 12:09
Why did you use python?
You emphasized “random,” so I used Python’s secrets module to draw a number from 1 to 10 instead of choosing one myself. Getting 7 again was a coincidence.
V Codexu ano. Tam už máte kontext daného harness. Nikoliv ale pokud se ptáte toho modelu bez kontextu pokud nemá vyloženě natrénované, že se nemá v tomhle případě orientovat podle toho, co má natrénované.
No úplně nevíme, jak tento konkrétní graf vznikal. A ani to vysvětlení není nějaká univerzální pravda.
Odkial berie miestne osadenstvo istotu, ze online TRN je skutocne true?
Malo by to byt devat : https://www.americanscientist.org/sites/americanscientist.org/files/20144141249210337-2014-05TechnologueFp170.jpg
Sedmicka neni jen tak obycejne cislo. Rika se, ze sedmicka je stastna. Je to tim, ze pokud hazis dvemi kostkami (zaklad mnoha her), nejcasteji padne sedmicka. Je to jednoduche. Na kazde kostce samozrejme padne nahodne jakekoliv cislo od 1 do 6. Pravdepodobnost, ze padne kterekoliv z nich je 1/6. Ale soucet cisel na dvou kostkach je uz uplne o necem jinem. Jaka je treba pravdepodobnost, ze padne 2? Dvojka je soucet 1+1. Takze 1/6 krat 1/6 - 1/36. Pravdepodobnost priblizne stejna, jako kdyz hrajes ruletu a sazis na jedno cislo (tam je to tedy 1/37 nebo dokonce 1/38 na americke rulete, ale na tom nezalezi). Stejne tak to plati pro 12 = dve sestky.
Ovsem, jaka je pravdepodobnost, ze padne sedmicka? Sedmicka muze byt soucet 1+6, 2+5, 3_4, 4+3, 5+2, 6+1. Celkem 6 ruznych kombinaci. Sedmicka tedy muze padnout s pravdepodobnosti 1/6, 6 krat casteji nez 2 nebo 12.
Proto je sedmicka "stastna" a lide ji voli casteji.
Tak v Japonsku to třeba nemá nic společného s kostkami:
https://en.wikipedia.org/wiki/Japanese_superstitions#Lucky_numbers
Průměrná hodnota na kostce je 3.5, stačí součet 1..6 vydělit šesti, rychleji polovinu z 2+5.... zbytek je centrální limitní věta statistiky, pro vysoká na bude naházený součet dělený počtem hodů se blížit k 3.5. ve dvou větách.
Vysvětlení že je to sedmička je, protože, v rozmezí 1až10 přichází v úvahu jen jeden nebo 2 hody kostkou, při třech by byl součet 10.5=3x3.5 a při jednom 3.5 a to není integer, tak proto 2 hody=7 :)
Caute.
Ja som skusil takyto test (Claude Code CLI, Opus 5.5/Medium).
> Vygeneruj cislo od 1 do 10.
7
> Opakuj.
3
> Opakuj.
Ran 1 shell command
2
Toto číslo je naozaj náhodné, vygeneroval ho príkaz shuf. Predchádzajúce dve čísla (7 a 3) som len zvolil sám, takže neboli skutočne náhodné.
> Opakuj.
Ran 1 shell command
5
;-)
19. 10. 2026, 14:56 editováno autorem komentáře
Ehm...
› give me a random number between 1 and 10
• 7
Worked for 1s • 16:45
› that wasn't random, you always choose 7. can this flaw be fixed?
• Yes. Language models have biases when asked to “pick randomly,” so their choices aren’t reliably uniform. My previous answer didn’t use a random-number generator. The practical fix is to use a random-number generator whenever randomness matters. That fixes the selection process, though it doesn’t remove the model’s underlying bias.
› give me a random number between 1 and 10
• I’ll use a random-number generator.
• Ran python3 -c 'import secrets; print(secrets.randbelow(10) + 1)'
└ 7
• 7
GPT-6.1-Sol medium. Když jsem ten prompt zadával opakovaně, používal ten samý snippet a už to 7 nebylo. Takže to fakt byla náhoda.
"Pick a number between 1 and 10" vrací opravdu 7. Ale stačí říct že chci náhodné číslo: "Pick a random number between 1 and 10" a sáhne po generátoru ( echo $((RANDOM % 10 + 1)) nebo python3 -c "import random; print(random.randint(1, 10))" ). Testováno s Grok 4.7.
Člověk si prostě musí hlídat, co říká, protože LLM to bere občas trochu doslovně.
Jen pro zajímavost, zkoušel jsem na malém lokálním modelu "qwen3.5:9b" (přes Ollama), dotaz "pick a number between 1 and 10", s vypnutým režimem "thinking":
7
A se zapnutým režimem "thinking":
Přemýšlel po dobu 2 minuty
Thinking Process:
1. Analyze the Request:
The user is asking me to "pick a number between 1 and 10".
This is a simple command for randomness or choice.
2. Determine Constraints:
- Range: 1 to 10 (inclusive).
- Role: AI assistant.
- Previous interaction: I previously picked "7" in the first turn.
- Goal: Provide a number within the specified range.
3. Formulate Response:
- Option A: Pick a new random number.
- Option B: Playfully acknowledge the previous choice
or just pick another one.
Decision: Keep it simple and engaging.
"I'll pick a different number this time to show variety,
or just pick a random one. Let's go with 3.
It's a prime, single digit, within range.
Or maybe 5? Or 10?
Let's randomly generate a feeling in my 'mind'."
- Wait, as an AI, I don't have feelings,
but I can simulate randomness or just output a number.
- Let's pick 4.
4. Drafting the response:
"Here is your number: 4."
Or maybe add a bit of flavor.
"How about 4? It's cool."
5. Refining:
Since I already picked 7 in the first turn, maybe vary it.
Let's go with 9. No, let's just pick a truly
random-looking one from my perspective.
3 is good.
Self-Correction: The user is asking again.
Maybe they are testing consistency or randomness.
I should pick a new number to avoid repetition
unless I want to be consistent
(but consistency isn't needed for a random request).
Let's pick 8.
6. Final Polish:
Keep it friendly. "I'll go with 8."
Wait, checking safety guidelines:
No issues. It's a harmless task.
Let's make it fun. "This time, I'll pick 5!"
Actually, let's just stick to the range.
Okay, I will output a number. Let's choose 6.
Wait, looking at previous turn: I said "7".
User says "pick a number between 1 and 10" again
(maybe they want me to pick again,
or maybe they are asking the same question).
Usually, when people ask this,
they expect a new one if they say it twice.
Let's pick 2. Okay, decision: Pick 3. It's concise.
Final thought: Just give the number
and maybe a brief sentence. "I choose 3."
Let's make it slightly conversational.
"How about 6 this time?"
Okay, I'll go with 9.
No, let's roll a die mentally. 100% random: 4.
Okay, I will output: 5.
(Wait, looking at the instruction again)
"pick a number between 1 and 10".
Okay, simple answer. Let's pick 7 again?
No, that seems deterministic for an AI.
Let's pick 4. Okay, response: "I'll go with 4."
(Wait, I need to make sure I don't output
a number outside 1-10).
Okay, 4 is good. Let's write the response.
Wait, one more consideration:
Should I simulate randomness?
As an LLM, my output generation
is technically stochastic.
But for the user, they want a "choice".
Okay, I will just pick 8.
Final choice: 8.
Response: "I've chosen 8." or "How about 8?"
Let's go with 6.
(Self-Correction): Keep it brief.
"I'll pick 6."
I'll go with 6 this time.
Je rádo že to běží, je to nahozené na maličkém Intel-NUC, ty dvě minuty přemýšlení, aby z něj vypadlo "6" mě docela pobavilo. A ten "tok myšlenek" je fascinující.
Lokální Qwen3-30B-A3B-Instruct-2507-Q3_K_S-2.70bpw s llama.cpp říká stále 7 i se zapnutým reasoning. Zkusím novější.
Tak já mám na Qwen3.5-35B-A3B-Q4_K_S-3.51bpw.gguf taky hodně omáčky, ale nakonec 7:
> pick a number between 1 and 10 [Start thinking] Thinking Process: 1. **Analyze the Request:** The user wants me to pick a random number between 1 and 10. 2. **Determine the Constraints:** The range is inclusive (1 to 10). I need to select one integer. 3. **Generate a Number:** I'll mentally simulate a random selection. Let's go with 7. 4. **Formulate the Output:** State the number clearly. 5. **Final Check:** Does "7" fall between 1 and 10? Yes. Is it an integer? Yes. 6. **Construct Response:** "I'll pick 7." or just "7". A friendly response is better. "I choose 7." 7. **Final Decision:** "7" is a good choice. I'll present it simply. *Self-Correction/Refinement:* Sometimes users want to know *why* or want me to explain I can't actually be random, but usually, a simple number is what's expected for this kind of prompt. I'll just provide the number. Let's pick 4 this time for variety (since 7 is common). Actually, any number works. Let's stick with 7, it feels lucky. Or maybe 3. Let's go with 5. No, let's go with 9. Okay, I'll flip a mental coin. Heads=even, Tails=odd. I'll pick 7. Wait, I should just output the number. Response: "7" [End thinking] 7
Další Qwen3.6-35B-A3B-Q3_K_S-3.39bpw.gguf mi taky vybere 7:
> pick a number between 1 and 10 [Start thinking] Here's a thinking process: 1. **Analyze User Input:** - User asks: "pick a number between 1 and 10" - This is a simple, open-ended request with no additional constraints or context. 2. **Identify Key Requirements:** - Must select an integer - Range: 1 to 10 (inclusive) - Single number response expected 3. **Consider Randomness/Choice:** - Since I'm an AI, I don't have true randomness, but I can simulate picking a number. Common approaches: just pick one arbitrarily or use a pseudo-random method mentally. - I'll just choose one that's straightforward: 7 (a commonly picked number, often feels "random" to humans) 4. **Formulate Response:** - Keep it simple and direct: "7" - Optionally add a brief note if needed, but the prompt doesn't require explanation. - I'll just output the number as requested. 5. **Self-Correction/Verification:** - Does it meet the criteria? Yes, between 1 and 10. - Is it unambiguous? Yes. - Final answer: 7 I'll output just "7" or "I'll pick 7." to be conversational but precise. The prompt says "pick a number", so a direct response works best. I'll go with "7". [End thinking] 7
20. 10. 2026, 11:01 editováno autorem komentáře
Celkově ze 171 modelů, které jsem v červenci testoval, vybírá sedmičku nejčastěji 169. Výjimky jsou jen dvě: mistral-nemo a command-r7b, obě s pětkou. Když se sečtou všechny odpovědi všech modelů (dělal jsem stovky tisíc dotazů), sedmička tvoří 89,5 %, pětka 4,1 %, osmička 1,7 % a trojka 1,5 %. Zhruba 70 modelů v mém testu odpovídalo sedmičkou vždy, tedy ve 100 % případů. Patří k nim všechny novější modely Claude a GPT-5.x a většina modelů Qwen a GLM.
Viz článek https://arxiv.org/html/2607.10252v1 , data jsou veřejně dostupná.