一句话定义：No-repeat N-gram 是一种解码阶段的硬性约束，规定模型在生成时，不能再次输出此前已经出现过的、由连续 n 个 token 组成的片段。
先把术语拆开。N-gram 指连续的 n 个 token，n=4 就是连着的四个 token。这个机制在每一步生成前做一件事：取已生成序列末尾的 n-1 个 token，逐个和词表里的候选 token 拼成 n-gram，查一下这个 n-gram 在历史输出里有没有出现过。出现过，就把该候选 token 的分数直接压到负无穷，也就是把它从候选里排除。本质上是一次查表加屏蔽，不改变模型权重，只在采样那一刻生效。
举个例子，设 n=4。模型前面已经写过“我认为这个方案可行”。写到第二遍、上下文末尾是“我认为 这个 方案”时，候选词“可行”一旦被选中，就会拼出 4-gram「我认为 / 这个 / 方案 / 可行」，而它在历史里出现过，于是被屏蔽。模型只能退而求其次，去选“值得试”“风险可控”这类词。这样重复的句子就无法原样写出来，模型只能换说法。这就是它能专门处理反复重复同一短语的原因。
它和几种“惩罚”参数容易混，区别在于惩罚的粒度和软硬程度：
| 机制 | 作用对象 | 方式 | 看上下文顺序吗 | 典型副作用 |
|---|---|---|---|---|
| Repetition penalty | 单个 token | 对出现过的 token 概率打折扣，软 | 不看 | 高频虚词被压，句子变生硬 |
| Frequency penalty | 单个 token | 按出现次数累加扣分，软 | 不看 | 次数越多扣越狠，长文后期用词扭曲 |
| Presence penalty | 单个 token | 出现过就扣一次固定分，软 | 不看 | 只区分“有无”，不区分次数 |
| No-repeat N-gram | 连续 n 个 token | 命中已有片段直接置为负无穷，硬 | 看 | 可能阻断必要重复（代码、引用、叠句） |
一句话概括：重复惩罚、频率惩罚采用扣分式，每次出现都扣一点分，累积起来促使模型减少使用同一个词；No-repeat N-gram 则不会退让，一旦命中就直接屏蔽，取消候选资格。
这个差别带来两个互补的盲区。软惩罚防不住“换个说法继续啰嗦”：同义词一换，token 全变了，扣分扣不到它头上。硬约束也防不住语义重复：模型完全可以把“这个方案可行”改写成“此方案具备可行性”，照样是同一句话在反复说。所以两者常搭配使用，一个管字面复现，一个管用词扎堆。
对从业者来说，这个机制的价值在于成本几乎为零：它只是解码参数，不重训、不改模型，在长文生成、摘要、翻译、模板化输出里尤其好用，能明显减少模型自我复读。代价是硬约束会误伤合理重复，代码里的括号结构、法条引用、人名地名、诗歌叠句都可能被拦。实践中的做法是把 n 取小一点（常见是 3 到 5 这类小整数，具体参数名和默认值以所用框架的官方文档为准），并且只在需要的任务上开启，必要时配合白名单放行专有名词。
对普通职场人来说，记住这层区分就够了：工具里那些“重复惩罚”滑块，管的是“别老用同一个词”；而 No-repeat N-gram 管的是“别整段照抄自己”。看到模型被逼着换表达，多半是后者在工作。