Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Straffen en herhalingen

Les 11 van 16 Bijgewerkt op 28 juli 2026 Beginner
Op deze pagina
  1. Lussen en herhalingen vermijden
  2. De aanwezigheidsstraf (Presence Penalty)
  3. De frequentiestraf (Frequency Penalty)
  4. Verschil tussen de twee straffen
  5. Wanneer u welke straf gebruikt
  6. Pas op voor extreme waarden
  7. Belangrijkste punten

Lussen en herhalingen vermijden

Een van de meest frustrerende gedragingen van een taalmodel is herhaling: het model blijft hangen in dezelfde woorden, zinsstructuren of ideeën. U vraagt om een diepgaand artikel en krijgt drie alinea’s die allemaal beginnen met “Bovendien”, waarbij het woord “innovatie” op elke regel terugkomt. Mistral-modellen bieden twee parameters om dit tegen te gaan: presence penalty (aanwezigheidsstraf) en frequency penalty (frequentiestraf). Ze lijken op elkaar, maar hun werking verschilt zodanig dat de keuze voor de ene boven de andere de output daadwerkelijk verandert.

De aanwezigheidsstraf (Presence Penalty)

De aanwezigheidsstraf is een eenmalige straf die wordt toegepast op elk token dat al minstens één keer in het gegenereerde antwoord is verschenen. Het maakt niet uit of het token één keer of 50 keer is gebruikt: de straf blijft gelijk. De parameter accepteert waarden van -2,0 tot 2,0, met 0 als standaard (uitgeschakeld). Een positieve waarde moedigt het model aan om nieuwe woorden te gebruiken; een negatieve waarde, wat zeldzamer is, moedigt het aan om dezelfde woorden te hergebruiken.

# Positive presence penalty: more varied vocabulary
response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "Describe the benefits of remote work."}
    ],
    presence_penalty=0.6
)

In de praktijk is de aanwezigheidsstraf ideaal wanneer u wilt dat het model een breder vocabulaire verkent en verschillende aspecten van een onderwerp behandelt. In het bovenstaande voorbeeld over thuiswerken duwt het het model van uurflexibiliteit naar zakelijk vastgoed en vervolgens naar de CO₂-voetafdruk, in plaats van het argument over tijdsbesparing drie keer te herhalen.

De frequentiestraf (Frequency Penalty)

De frequentiestraf is daarentegen cumulatief: deze neemt toe elke keer dat een token opnieuw wordt gebruikt. Hoe vaker een woord voorkomt, hoe zwaarder het wordt gestraft, waardoor het aanzienlijk effectiever is dan de aanwezigheidsstraf om lussen te doorbreken. Het deelt hetzelfde waardebereik, van -2,0 tot 2,0, met 0 als standaard.

# Frequency penalty: reduces repetition of frequent words
response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "Write a 300-word article on artificial intelligence."}
    ],
    frequency_penalty=0.5
)

Het ideale toepassingsgebied: lange teksten waarin het model geneigd is dezelfde woorden of structuren te herhalen. Een artikel van 300 woorden over kunstmatige intelligentie loopt zonder straf het risico om in elke zin “AI” en “technologie” te hameren; de frequentiestraf dwingt het model geleidelijk aan om zijn taalgebruik te variëren.

Verschil tussen de twee straffen

Om het nuanceverschil te begrijpen, kijken we naar een numeriek voorbeeld. Het model heeft het woord “innovatie” al 5 keer gegenereerd in zijn antwoord. Met een aanwezigheidsstraf van 0,5 krijgt “innovatie” een straf van 0,5 – vaststaand, de 5 voorkomens veranderen niets. Met een frequentiestraf van 0,5 krijgt hetzelfde woord een straf van 2,5, oftewel 0,5 vermenigvuldigd met de 5 voorkomens. De frequentiestraf is dus veel agressiever tegen tokens die vaak terugkeren, terwijl de aanwezigheidsstraf een zachte, uniforme druk uitoefent op alles wat al gezegd is.

Wanneer u welke straf gebruikt

Gebruik de aanwezigheidsstraf wanneer het doel thematische diversiteit is. Tijdens een brainstormsessie wilt u tien echt verschillende ideeën, geen tien herformuleringen van het eerste idee:

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
)

Gebruik de frequentiestraf wanneer het doel tekstuele vloeibaarheid is. Bij een lange gids voorkomt het dat taaltics postvatten zonder de boodschap te vervormen:

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
)

Niets houdt u tegen om beide te combineren voor een cumulatief effect. Een creatieve nieuwsbrief profiteert bijvoorbeeld van zowel een gevarieerd vocabulaire als een tekst zonder herhaling:

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
)

Pas op voor extreme waarden

Deze straffen zijn geen knoppen die u tot het maximum moet opendraaien: te hoge waarden verslechteren de kwaliteit in plaats van deze te verbeteren. Boven de 1,0 voor de aanwezigheidsstraf begint het model veelvoorkomende woorden te vermijden die eigenlijk noodzakelijk zijn – lidwoorden, voorzetsels – en wordt de tekst vreemd. Boven de 1,0 voor de frequentiestraf forceert het ongepaste synoniemen alleen om herhaling te vermijden: “auto” wordt “automobiel”, dan “voertuig”, dan “gemotoriseerd voertuig” in dezelfde alinea. Negatieve waarden moedigen herhaling aan, wat zelden wenselijk is. De praktische aanbeveling: blijf voor beide parameters in het bereik van 0,0 tot 0,8; daarbuiten wegen de neveneffecten zwaarder dan de voordelen.

Om u per taak te begeleiden: extractie en classificatie gebeuren zonder enige straf (presence_penalty=0, frequency_penalty=0, nauwkeurigheid gaat voor); kort schrijfwerk onder de 200 woorden heeft genoeg aan frequency_penalty=0.2; lang schrijfwerk boven de 500 woorden profiteert van het combineren van presence_penalty=0.3 en frequency_penalty=0.5; brainstormen draait de dominantie om met presence_penalty=0.6 en frequency_penalty=0.3; en een lijst met unieke punten gaat tot presence_penalty=0.8 met frequency_penalty=0.2.

Belangrijkste punten

  • De aanwezigheidsstraf moedigt het gebruik van nieuwe woorden aan (vaste straf)
  • De frequentiestraf ontmoedigt herhaling van veelvoorkomende woorden (cumulatieve straf)
  • Beide parameters variëren van -2,0 tot 2,0, met 0 als standaard
  • Blijf in het bereik van 0,0 tot 0,8 om ongewenste effecten te vermijden
  • Gebruik de aanwezigheidsstraf voor thematische diversiteit, de frequentiestraf voor tekstuele vloeibaarheid