Reading
1. Esempi di parametri
Questa scheda offre una panoramica sintetica dei principali parametri utilizzati per influenzare le risposte dei modelli di IA generativa.
Parametri di inferenza
Top-k
Limita la scelta del modello ai k token più probabili durante la generazione del testo, controllando la diversità dell'output.
Range Valori
Intero positivo (es. 50)Esempio
Impostando top-k=50, il modello considererà solo le 50 opzioni più probabili per ogni passo nella generazione.Top-p (Nucleus Sampling)
Considera i token con una probabilità cumulativa fino a p, permettendo una selezione più dinamica dei token rispetto a top-k.
Range Valori
0.0 - 1.0 (es. 0.9)Esempio
Con top-p=0.9, il modello includerà i token che coprono il 90% della probabilità cumulativa.Temperatura
Controlla la casualità nella selezione dei token; valori più alti producono output più vari e creativi, mentre valori più bassi generano risposte più prevedibili.
Range Valori
0.0 - 1.0 (es. 0.2 per risposte conservative, 0.8 per risposte creative)Esempio
Una temperatura di 0.8 incoraggia il modello a esplorare opzioni meno probabili, risultando in risposte più creative.Frequency Penalty
Penalizza la ripetizione di token nel testo generato, riducendo la probabilità che il modello ripeta le stesse parole o frasi.
Range Valori
0.0 - 2.0 (valori più alti aumentano la penalizzazione)
Esempio
Con frequency_penalty=1.0, il modello tende a evitare ripetizioni, rendendo il testo più vario
Presence Penalty
Penalizza la presenza di token già apparsi nel testo, incoraggiando il modello a introdurre nuovi argomenti o idee.