Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Büntetések és ismétlések

11. lecke 16 közül Frissítve 2026. július 28. Kezdő
Ezen az oldalon
  1. Hurkok és ismétlések elkerülése
  2. A jelenléti büntetés (Presence Penalty)
  3. A gyakorisági büntetés (Frequency Penalty)
  4. A két büntetés közötti különbség
  5. Mikor melyik büntetést használd?
  6. Vigyázz a szélsőséges értékekkel!
  7. Főbb megállapítások

Hurkok és ismétlések elkerülése

A nyelvi modellek egyik legfrusztrálóbb viselkedése az ismétlés: a modell ugyanazokon a szavakon, mondat szerkezeteken vagy gondolatokon akad fenn. Mélyreható cikket kérsz, cserébe három bekezdést kapsz, amelyek mind a „Továbbá“ szóval kezdődnek, és minden sorban ott virít az „innováció“ szó. A Mistral modellek két paramétert kínálnak ennek ellensúlyozására: a jelenléti büntetést (presence penalty) és a gyakorisági büntetést (frequency penalty). Hasonlónak tűnnek, de a működési mechanizmusuk annyira eltér, hogy az egyik vagy másik kiválasztása ténylegesen megváltoztatja a kimenetet.

A jelenléti büntetés (Presence Penalty)

A jelenléti büntetés egy egyszeri szankció, amely minden olyan tokenre vonatkozik, amely legalább egyszer már megjelent a generált válaszban. Mindegy, hogy a tokent egyszer vagy ötvenszer használták: a büntetés mértéke ugyanaz. A paraméter -2,0 és 2,0 közötti értékeket fogad el, ahol az alapértelmezett 0 (kikapcsolt állapot). A pozitív érték arra ösztönzi a modellt, hogy új szavakat használjon; a negatív érték, ami ritkább, éppen ellenkezőleg, ugyanazon szavak újrahasználatára sarkall.

# Pozitív jelenléti büntetés: változatosabb szókincs
response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "Describe the benefits of remote work."}
    ],
    presence_penalty=0.6
)

Gyakorlati szinten a jelenléti büntetés akkor ideális, ha azt szeretnéd, hogy a modell szélesebb szókincset tárjon fel, és a téma különböző aspektusait fedje le. A fenti, távmunkás példában ez arra készteti a modellt, hogy az óránkénti rugalmasságtól a vállalati ingatlanokon át a szénlábnyomig terjedjen, ahelyett, hogy háromszor is előadná az időmegtakarítás érvét.

A gyakorisági büntetés (Frequency Penalty)

Ezzel szemben a gyakorisági büntetés kumulatív: minden egyes alkalommal nő, amikor egy tokent újrahasználnak. Minél gyakrabban jelenik meg egy szó, annál nagyobb büntetést kap, így sokkal hatékonyabb a jelenléti büntetésnél a hurkok megtörésében. Értéktartománya megegyezik az előzőével: -2,0 és 2,0 között mozog, 0 alapértelmezéssel.

# Gyakorisági büntetés: csökkenti a gyakori szavak ismétlődését
response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "Write a 300-word article on artificial intelligence."}
    ],
    frequency_penalty=0.5
)

Az igazi erőssége: hosszú szövegeknél, ahol a modell hajlamos ugyanazokat a szavakat vagy szerkezeteket ismételni. Egy 300 szavas cikk a mesterséges intelligenciáról büntetés nélkül kockáztatja, hogy minden mondatban az „MI“-t és a „technológiát“ sulykolja; a gyakorisági büntetés fokozatosan rákényszeríti a modellt a nyelvvariációra.

A két büntetés közötti különbség

Az árnyalatok megértéséhez nézzünk egy számszerű példát. A modell a válaszában már ötször generálta az „innováció“ szót. 0,5-ös jelenléti büntetés esetén az „innováció“ 0,5-ös büntetést kap – ez fix, az 5 előfordulás semmin sem változtat. 0,5-ös gyakorisági büntetés mellett ugyanez a szó 2,5-ös büntetést kap, ami a 0,5 szorozva az 5 előfordulással. A gyakorisági büntetés tehát sokkal agresszívebb a gyakran visszatérő tokenekkel szemben, míg a jelenléti büntetés enyhe, egyenletes nyomást gyakorol mindenre, ami elhangzott.

Mikor melyik büntetést használd?

A jelenléti büntetést akkor alkalmazd, ha a cél a tematikai sokszínűség. Egy ötletelés során tíz valóban eltérő ötletre van szükséged, nem pedig az első tíz átfogalmazására:

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "List 10 digital marketing trends for 2026."}
    ],
    presence_penalty=0.8,
    temperature=0.7
)

A gyakorisági büntetést akkor vesd be, ha a szöveg gördülékenysége a cél. Egy hosszú útmutatónál ez megakadályozza, hogy nyelvi beidegződések alakuljanak ki anélkül, hogy eltorzítanák az üzenetet:

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "Write a comprehensive guide on agile project management."}
    ],
    frequency_penalty=0.4,
    temperature=0.5
)

Semmi akadálya annak, hogy mindkettőt kombináld a kumulatív hatás érdekében – egy kreatív hírlevél például profitál mind a változatos szókincsből, mind az ismétlésmentes szövegből:

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "Write a creative newsletter on tech trends."}
    ],
    presence_penalty=0.3,
    frequency_penalty=0.5,
    temperature=0.6
)

Vigyázz a szélsőséges értékekkel!

Ezek a büntetések nem olyan gombok, amelyeket a maximumra kell tekerni: a túl magas értékek rontják a minőséget ahelyett, hogy javítanák azt. Ha a jelenléti büntetés meghaladja az 1,0-t, a modell elkezd kerülni olyan gyakori szavakat, amelyek valójában szükségesek – névelők, elöljárószavak –, és a szöveg furcsává válik. Ha a gyakorisági büntetés lépi túl az 1,0-t, akkor nem illő szinonimákra kényszeríti a modellt csak azért, hogy elkerülje az ismétlést: az „autó“ szóból „gépkocsi“, majd „jármű“, végül „motorizált jármű“ lesz ugyanabban a bekezdésben. Ami a negatív értékeket illeti, azok az ismétlést ösztönzik, ami ritkán kívánatos. A gyakorlati ajánlás: mindkét paraméternél maradj a 0,0 és 0,8 közötti tartományban; efölött a mellékhatások meghaladják az előnyöket.

Feladattípus szerinti útmutató: a kinyerés és osztályozás bármilyen büntetés nélkül történik (presence_penalty=0, frequency_penalty=0, itt a pontosság az első); a 200 szó alatti rövid szövegeknél elegendő a frequency_penalty=0.2; az 500 szó feletti hosszú szövegeknél előnyös a presence_penalty=0.3 és a frequency_penalty=0.5 kombinációja; az ötletelésnél fordított a hangsúly: presence_penalty=0.6 és frequency_penalty=0.3; míg az egyedi pontok listájánál a presence_penalty akár 0,8-ig is mehet, frequency_penalty=0.2 mellett.

Főbb megállapítások

  • A jelenléti büntetés az új szavak használatát ösztönzi (fix büntetés)
  • A gyakorisági büntetés visszatart a gyakori szavak ismétlésétől (kumulatív büntetés)
  • Mindkét paraméter -2,0 és 2,0 között mozog, alapértelmezett értékük 0
  • Maradj a 0,0 és 0,8 közötti tartományban a nem kívánt hatások elkerülése érdekében
  • Használd a jelenléti büntetést a tematikai sokszínűséghez, a gyakorisági büntetést pedig a szöveg gördülékenységéhez