> ## Documentation Index
> Fetch the complete documentation index at: https://phaseo.app/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# 采样与解码

> 解码策略和惩罚项如何影响模型输出。

解码决定如何根据模型概率选择下一个令牌。

## 常用控制项

| 控制项 | 用途 | 说明 |
| - | - | - |
| `temperature` | 全局随机性控制 | 通常最先调整 |
| `top_p` | 限制累积概率质量 | 常与中等 temperature 搭配 |
| `top_k` | 将选择范围限制为概率最高的 K 个令牌 | 并非所有供应商都支持 |
| `frequency_penalty` | 抑制重复令牌或短语 | 有助于减少重复循环 |
| `presence_penalty` | 鼓励引入新令牌或主题 | 有助于扩大探索范围 |
| `repetition_penalty` | 惩罚重复文本模式（取决于供应商/模型） | 目标相似，但实现语义不同 |

## 常用预设

| 使用场景 | 建议配置 |
| - | - |
| 确定性提取/分类 | 较低的 `temperature`（`0.0` 至 `0.2`），收窄采样范围 |
| 平衡型助手输出 | 中等 `temperature`（`0.3` 至 `0.7`），`top_p` 接近 `0.9` 至 `1.0` |
| 创意生成 | 提高 `temperature` 并扩大采样范围，同时加强评估 |

## 常见问题模式

* 随机性过高：事实不一致，结构化输出不稳定。
* 确定性过高：补全内容重复或乏味。
* 惩罚过强：措辞生硬，内容偏离主题。

## 实用建议

1. 按任务调整解码参数，而不是全局统一设置。
2. 提取和 JSON 任务应采用保守设置。
3. 对于创意任务，逐步提高随机性，并通过人工审核评估结果。


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.