Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Penalità e ripetizioni

Lezione 11 di 16 Aggiornata il 28 luglio 2026 Principiante
In questa pagina
  1. Evitare loop e ripetizioni
  2. La penalità di presenza
  3. La penalità di frequenza
  4. Differenza tra le due penalità
  5. Quando usare ciascuna penalità
  6. Attenzione ai valori estremi
  7. Punti chiave

Evitare loop e ripetizioni

Uno dei comportamenti più frustranti di un modello linguistico è la ripetizione: il modello entra in loop sulle stesse parole, strutture frasali o idee. Chiedi un articolo approfondito e ottieni tre paragrafi che iniziano tutti con «Inoltre», con la parola «innovazione» su ogni riga. I modelli Mistral offrono due parametri per contrastare questo fenomeno: la penalità di presenza e la penalità di frequenza. Sembrano simili, ma i loro meccanismi differiscono abbastanza da cambiare genuinamente l’output a seconda della scelta dell’uno o dell’altro.

La penalità di presenza

La penalità di presenza è una sanzione una tantum applicata a qualsiasi token già apparso almeno una volta nella risposta generata. Non importa se il token è stato usato una volta o 50 volte: la penalità rimane identica. Il parametro accetta valori da -2.0 a 2.0, con 0 come predefinito (disattivato). Un valore positivo incoraggia il modello a usare nuove parole; un valore negativo, più raro, lo spinge a riutilizzare le stesse.

# Penalità di presenza positiva: vocabolario più vario
response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "Describe the benefits of remote work."}
    ],
    presence_penalty=0.6
)

In pratica, la penalità di presenza è ideale quando vuoi che il modello esplori un vocabolario più ampio e copra diversi aspetti di un argomento. Nell’esempio sul lavoro da remoto sopra, spinge il modello dalla flessibilità oraria agli immobili aziendali fino all’impronta di carbonio, invece di ripetere tre volte l’argomento del risparmio di tempo.

La penalità di frequenza

La penalità di frequenza, invece, è cumulativa: aumenta ogni volta che un token viene riutilizzato. Più frequentemente appare una parola, più viene penalizzata, rendendola significativamente più efficace della penalità di presenza per spezzare i loop. Condivide lo stesso intervallo di valori, da -2.0 a 2.0, con 0 come predefinito.

# Penalità di frequenza: riduce la ripetizione di parole frequenti
response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "Write a 300-word article on artificial intelligence."}
    ],
    frequency_penalty=0.5
)

Il suo punto forte: i testi lunghi dove il modello tende a ripetere le stesse parole o strutture. Un articolo di 300 parole sull’intelligenza artificiale, senza penalità, rischia di martellare «IA» e «tecnologia» in ogni frase; la penalità di frequenza costringe gradualmente il modello a variare il linguaggio.

Differenza tra le due penalità

Per cogliere la sfumatura, esaminiamo un esempio numerico. Il modello ha già generato la parola «innovazione» 5 volte nella sua risposta. Con una penalità di presenza di 0.5, «innovazione» riceve una penalità di 0.5: fissa, le 5 occorrenze non cambiano nulla. Con una penalità di frequenza di 0.5, la stessa parola riceve una penalità di 2.5, ovvero 0.5 moltiplicato per le sue 5 occorrenze. La penalità di frequenza è quindi molto più aggressiva contro i token che ritornano spesso, mentre la penalità di presenza applica una pressione gentile e uniforme su tutto ciò che è già stato detto.

Quando usare ciascuna penalità

Usa la penalità di presenza quando l’obiettivo è la diversità tematica. In una sessione di brainstorming, vuoi dieci idee davvero distinte, non dieci riformulazioni della prima:

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
)

Usa la penalità di frequenza quando l’obiettivo è la fluidità del testo. Su una guida lunga, impedisce l’instaurarsi di tic linguistici senza distorcere il messaggio:

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
)

Nulla ti impedisce di combinarle entrambe per un effetto cumulativo: una newsletter creativa, ad esempio, beneficia sia di un vocabolario vario che di un testo senza ripetizioni:

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
)

Attenzione ai valori estremi

Queste penalità non sono manopole da girare al massimo: valori troppo alti degradano la qualità invece di migliorarla. Oltre 1.0 per la penalità di presenza, il modello inizia a evitare parole comuni che sono invece necessarie, come articoli e preposizioni, e il testo diventa strano. Oltre 1.0 per la penalità di frequenza, forza sinonimi inappropriati solo per evitare di ripetersi: «auto» diventa «automobile», poi «veicolo», poi «veicolo motorizzato» nello stesso paragrafo. Quanto ai valori negativi, incoraggiano la ripetizione, cosa raramente desiderabile. La raccomandazione pratica: resta nell’intervallo da 0.0 a 0.8 per entrambi i parametri; oltre questa soglia, gli effetti collaterali superano i benefici.

Per guidarti in base al compito: estrazione e classificazione avvengono senza alcuna penalità (presence_penalty=0, frequency_penalty=0, la precisione viene prima); la scrittura breve sotto le 200 parole si accontenta di frequency_penalty=0.2; la scrittura lunga oltre le 500 parole beneficia della combinazione presence_penalty=0.3 e frequency_penalty=0.5; il brainstorming inverte la dominanza con presence_penalty=0.6 e frequency_penalty=0.3; e un elenco di punti unici sale fino a presence_penalty=0.8 con frequency_penalty=0.2.

Punti chiave

  • La penalità di presenza incoraggia l’uso di nuove parole (penalità fissa)
  • La penalità di frequenza scoraggia la ripetizione di parole frequenti (penalità cumulativa)
  • Entrambi i parametri vanno da -2.0 a 2.0, con 0 come predefinito
  • Resta nell’intervallo da 0.0 a 0.8 per evitare effetti indesiderati
  • Usa la penalità di presenza per la diversità tematica, la penalità di frequenza per la fluidità del testo