我们可以通过配置大语言模型的一些参数来获得不同的提示结果调整这些参数值对于提高响应的可靠性非常重要可能需要尝试几次才能找出合适的正确配置。以下是遇到的常见设置Temperature温度是用来控制生成文本随机数的。一般是取0到1之间 个别会取0到2之间。参数值越小返回的结果越确定调高该参数值LLM可能会返回更随机的结果也就是说可能会带来更多样化或更具创造性的产出。对于质量保证等任务可以调低温度值对于诗歌生成等其他创造性任务适度调高温度值。Top-p只从概率累计达到p的那一小撮词里选。同样是用来控制模型返回结果的确定性。如果需要准确事实的答案就把参数值调低如果想要更多样化的响应可以把参数值调高。一般是建议改变 Temperature和Top-p 其中的一个参数就行了不用两个同时都调整。Max Length可以通过调整max length来控制大模型生成的token数指定长度有助于防止大模型生成冗长或不相关的响应并控制成本。Stop Sequences是一组终止字符串可以阻止模型生成token, 当模型生成的内容中一旦出现这些字符串就立刻停止输出。Frequency Penalty \ Presence PenaltyFP别重复说同样的话PP别一直说同一个东西维度Frequency PenaltyPresence Penalty关注点出现次数是否出现过惩罚强度次数越多越强出现一次就惩罚作用防重复防”话题黏着“风格影响更简洁不啰嗦更发散多新点同样的一般建议是改变 frequency penalty 和 presence penalty其中的一个参数就行了不要同时两个都调整。