两个惩罚在做什么
presence_penalty 与 frequency_penalty 都按 token 的历史出现情况调节 logits：前者只在某个 token 已经出现过时施加一次固定调整，后者随该 token 出现次数线性累计。两者都不看概率大小，只看出没出过、出了几次，所以对「反复念叨同一句话」这一类问题最直接。
基本信息
| presence_penalty | 出现过就扣固定分 |
|---|---|
| frequency_penalty | 按出现次数线性累加 |
| 常见范围 | -2 ~ 2 |
| 负值含义 | 方向相反，鼓励重复 |
| 区别对象 | repetition_penalty（整体惩罚） |
典型使用场景
- 长文生成里抑制口头禅与固定转场句
- 客服回复避免反复复述同一句话
- 代码生成减少重复片段与冗余注释
- 多轮对话中防止每次回答结构千篇一律
- 批量生成文案时，避免每篇的开头与结尾句式雷同
- 把被压下去的高频词列出来人工确认，防止误伤关键术语
Python SDK 片段
Python SDK 片段
r = client.chat.completions.create(
model="<模型名>",
messages=[{"role": "user", "content": "继续写一段故事"}],
presence_penalty=0.3,
frequency_penalty=0.3, # 重复更严重时优先加这一项
temperature=0.8,
)
print(r.choices[0].message.content)三个去重手段对比
| 参数 | 调整方式 | 适用 |
|---|---|---|
| presence_penalty | 出现过即扣分 | 压制反复出现的句式 |
| frequency_penalty | 按次数累加 | 压制高频词堆叠 |
| repetition_penalty | 整体惩罚 | 部分框架的替代实现 |
与 repetition_penalty 机制不同（出现次数 vs 整体惩罚）：一般取其一使用，叠加之后效果难以归因。
取值偏大时会误伤标点与常见虚词，输出变得生硬甚至语句破碎；调参时重点观察输出里的高频词有没有被连带压下。
两者的差别可以这样理解：presence 管「有没有出现过」，frequency 管「出现了多少次」。同一任务里先调其中一个，确认有效再考虑另一个。
惩罚只作用于采样分布，不改变模型对上下文的理解：如果重复的根源在提示词或上下文结构，光加惩罚只能压住表面。