一句话定义
重复惩罚（repetition penalty）与频率惩罚（frequency penalty）是解码（decoding）阶段的采样参数：模型每吐一个 token（词元）前，会看它在已生成的文本里出现过没有，把"出现过"当成减分项，压低它的分数，从而减少复读、打转和车轱辘话。
它们到底改了什么
生成是一个 token 一个 token 往前推的。每一步，模型先给词表里每个 token 打一个原始分（logit），归一化成概率，再抽样。惩罚做的事，就是在归一化之前动这些分数：
- 重复惩罚：按固定比例除/乘一个系数，是乘法式惩罚。出现一次和出现十次，力度一样。
- 频率惩罚：减去「系数 × 出现次数」，出现越多扣越狠，线性累加。
- 存在惩罚（presence penalty）：只要出现过就固定扣一笔，与次数无关。
打个比方：开选题会。重复惩罚是"这个点子提过，发言音量减半"；频率惩罚是"每提一次，音量再降一档"；存在惩罚是"提过就扣一次分，后面不再累积"。
| 参数 | 何时扣分 | 扣多少 | 典型用途 |
|---|---|---|---|
| 重复惩罚 | 该 token 出现过 | 固定比例 | 通用对话、减轻复读 |
| 频率惩罚 | 出现过，按次数累加 | 越多扣越多 | 长文续写、避免用词单调 |
| 存在惩罚 | 只要出现过 | 固定值 | 换角度、换话题 |
别和 temperature 搞混
temperature、top-p 调的是"随机程度"——敢不敢选低概率词；惩罚调的是"方向"——往没说过的地方偏。两者都作用在 logits 上，会互相放大或抵消，不同框架里应用顺序也不完全一致，具体以所用框架的官方文档为准。
还有个容易忽略的点：惩罚按 token ID 计算，模型并不懂语义。"中国"和"中""国"是不同 token，罚谁不罚谁，跟意思无关。
对实际工作的意义
好处很直接：写文案、头脑风暴、长文续写时，能明显减少"总而言之……总而言之……"、列表无限循环、同一批形容词反复出现。
代价更值得记住：
- 常用虚词、标点、固定搭配被压，句子变得别扭；
- 写代码时变量名、函数名、括号被改写，直接跑不通；
- 翻译、摘要、结构化输出（比如生成 JSON）时，本该重复的字段名、引号被"改邪"，输出坏掉；
- 人名、专有名词、数字反复出现时容易被替换或吞掉。
实践建议：从很小的值起步，一次只动一个参数。很多接口的重复惩罚默认值相当于不生效，频率惩罚默认为 0，实际可用区间以官方页面为准。如果模型在复读，先检查提示词是不是含糊、有没有设好停止条件，别把惩罚当万能药。对代码、JSON、翻译这类场景，通常宁可不加。