7个大模型输出质量参数LLM怎么调参
LLM调参都调什么？
7个决定大模型输出质量的核心参数，码住方便回看：
1. Max tokens（最大长度） → 控制它话多话少的关键参数。
限制输出最多token数。设成100，AI就输出100词后立即停下，不管有没有说完。
2. Temperature（温度） → 决定它是严谨还是跳脱。
温度越高（接近2），输出越随机、越有创意；越低（接近0），输出越保守、越稳重。
3. Top_p（核采样） → 控制AI选词范围。
Top_p设成0.9，AI会从概率前90%的词中选词，越小范围越窄，越大则选择更多。
4. Top_k（选择前k个词） → 控制它的词库大小。
设成5，AI每次只能从前5个最可能的词中挑选输出，限制它的选择范围。
5. Frequency penalty（频率惩罚） → 避免重复。
这个惩罚分数越高，AI就越不愿重复已经使用过的词，避免啰嗦。
6. Presence penalty（存在惩罚） → 强迫AI尝试新词。
它鼓励AI说出新词汇，避免一成不变，增加输出的多样性。
7. Stop（停止词） → 确定AI何时停下。
设置特定的停止词，一旦AI输出到这些词就立即停下，比如“结束”或“谢谢”。
这些参数的组合，其实就是调“AI性格”的过程：
调高温度+低惩罚，它就天马行空；
调低温度+加惩罚，它就严谨靠谱；
再配上合理的Top_p、Top_k，就能拿捏“表达范围”——是自由发挥，还是紧跟提示。
你想让它像个学者、诗人、客服，还是法律顾问，全靠调得对。
