Sanciones y repeticiones
En esta página
Evitar bucles y repeticiones
Uno de los comportamientos más frustrantes de un modelo de lenguaje es la repetición: el modelo entra en bucle con las mismas palabras, estructuras de oración o ideas. Pides un artículo en profundidad y obtienes tres párrafos que empiezan todos con «Además», con la palabra «innovación» en cada línea. Los modelos de Mistral ofrecen dos parámetros para combatir esto: la sanción por presencia y la sanción por frecuencia. Aunque parecen similares, su funcionamiento difiere lo suficiente como para que elegir uno u otro cambie genuinamente el resultado.
La sanción por presencia
La sanción por presencia es una penalización única que se aplica a cualquier token que haya aparecido al menos una vez en la respuesta generada. No importa si el token se usó una vez o 50: la sanción es la misma. El parámetro acepta valores desde -2,0 hasta 2,0, siendo 0 el valor predeterminado (desactivado). Un valor positivo anima al modelo a utilizar nuevas palabras; un valor negativo, que es menos habitual, le anima a reutilizar las mismas.
# Sanción por presencia positiva: vocabulario más variado
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "user", "content": "Describe los beneficios del teletrabajo."}
],
presence_penalty=0.6
)
En la práctica, la sanción por presencia es ideal cuando quieres que el modelo explore un vocabulario más amplio y cubra diferentes aspectos de un tema. En el ejemplo del teletrabajo anterior, empuja al modelo desde la flexibilidad horaria hasta los inmuebles corporativos y la huella de carbono, en lugar de repetir tres veces el argumento del ahorro de tiempo.
La sanción por frecuencia
La sanción por frecuencia, por el contrario, es acumulativa: aumenta cada vez que se reutiliza un token. Cuanto más frecuente sea la aparición de una palabra, mayor será la sanción, lo que la hace significativamente más eficaz que la sanción por presencia para romper los bucles. Comparte el mismo rango de valores, de -2,0 a 2,0, con 0 como predeterminado.
# Sanción por frecuencia: reduce la repetición de palabras frecuentes
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "user", "content": "Escribe un artículo de 300 palabras sobre inteligencia artificial."}
],
frequency_penalty=0.5
)
Su punto óptimo: textos largos donde el modelo tiende a repetir las mismas palabras o estructuras. Un artículo de 300 palabras sobre inteligencia artificial, sin sanción, corre el riesgo de machacar «IA» y «tecnología» en cada frase; la sanción por frecuencia obliga gradualmente al modelo a variar su lenguaje.
Diferencia entre las dos sanciones
Para captar el matiz, veamos un ejemplo numérico. El modelo ya ha generado la palabra «innovación» 5 veces en su respuesta. Con una sanción por presencia de 0,5, «innovación» recibe una sanción de 0,5: fija, las 5 ocurrencias no cambian nada. Con una sanción por frecuencia de 0,5, la misma palabra recibe una sanción de 2,5, es decir, 0,5 multiplicado por sus 5 ocurrencias. Por tanto, la sanción por frecuencia es mucho más agresiva contra los tokens que vuelven a menudo, mientras que la sanción por presencia ejerce una presión suave y uniforme sobre todo lo que ya se ha dicho.
Cuándo usar cada sanción
Usa la sanción por presencia cuando el objetivo sea la diversidad temática. En una sesión de lluvia de ideas, quieres diez ideas realmente distintas, no diez reformulaciones de la primera:
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "user", "content": "Enumera 10 tendencias de marketing digital para 2026."}
],
presence_penalty=0.8,
temperature=0.7
)
Usa la sanción por frecuencia cuando el objetivo sea la fluidez del texto. En una guía extensa, evita que se instalen muletillas lingüísticas sin distorsionar el mensaje:
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "user", "content": "Escribe una guía completa sobre gestión ágil de proyectos."}
],
frequency_penalty=0.4,
temperature=0.5
)
Nada te impide combinar ambas para un efecto acumulativo: un boletín creativo, por ejemplo, se beneficia tanto de un vocabulario variado como de un texto sin repeticiones:
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "user", "content": "Escribe un boletín creativo sobre tendencias tecnológicas."}
],
presence_penalty=0.3,
frequency_penalty=0.5,
temperature=0.6
)
Cuidado con los valores extremos
Estas sanciones no son mandos que debas subir al máximo: valores demasiado altos degradan la calidad en lugar de mejorarla. Por encima de 1,0 para la sanción por presencia, el modelo empieza a evitar palabras comunes que son realmente necesarias, como artículos y preposiciones, y el texto se vuelve extraño. Por encima de 1,0 para la sanción por frecuencia, fuerza sinónimos inapropiados solo para evitar repetirse: «coche» se convierte en «automóvil», luego en «vehículo» y después en «vehículo motorizado» en el mismo párrafo. En cuanto a los valores negativos, fomentan la repetición, algo que rara vez es deseable. La recomendación práctica: mantente en el rango de 0,0 a 0,8 para ambos parámetros; más allá de ese punto, los efectos secundarios superan a los beneficios.
Para orientarte según la tarea: la extracción y la clasificación se realizan sin ninguna sanción (presence_penalty=0, frequency_penalty=0, la precisión es lo primero); la escritura breve de menos de 200 palabras se conforma con frequency_penalty=0.2; la escritura extensa de más de 500 palabras se beneficia de combinar presence_penalty=0.3 y frequency_penalty=0.5; la lluvia de ideas invierte la dominancia con presence_penalty=0.6 y frequency_penalty=0.3; y una lista de puntos únicos sube hasta presence_penalty=0.8 con frequency_penalty=0.2.
Puntos clave
- La sanción por presencia fomenta el uso de nuevas palabras (sanción fija)
- La sanción por frecuencia desalienta la repetición de palabras frecuentes (sanción acumulativa)
- Ambos parámetros oscilan entre -2,0 y 2,0, con 0 como valor predeterminado
- Mantente en el rango de 0,0 a 0,8 para evitar efectos no deseados
- Usa la sanción por presencia para la diversidad temática y la sanción por frecuencia para la fluidez del texto