ChatGPT相关参数示例

  1. max_token

用于控制最大输出长度,若ChatGPT的回复大于max_tokens,则对输出结果进行截断。

python 复制代码
from openai import OpenAI
client = OpenAI(
        base_url="https://api.chatanywhere.tech/v1"
)
response = client.chat.completions.create(
  model="gpt-3.5-turbo",
  messages=[
    {
      "role": "user",
      "content": "四大文明古国分别有哪些"
    }
  ],
  max_tokens=100
)
print(response.choices[0].message.content)

输出:四大文明古国是指古埃及、古巴比伦、古印度和古中国这四个拥有悠久历史和文明的国家。这些古国在历史上都曾拥有高度发达的文明和独特的文化传统,对后世的文明发展产生了

  1. temperature

temperature用于表示创造性或活跃性,其范围在0-2,默认值为1,其值越高,创造性越高。temperature改变各个词被选中的概率,temperature高时,各个词被选择的概率相对均匀,所以随机性较大,temperature低时,趋于选择部分概率较高的词。

python 复制代码
response = client.chat.completions.create(
  model="gpt-3.5-turbo",
  messages=[
    {
      "role": "user",
      "content": "四大文明古国分别有哪些"
    }
  ],
  max_tokens=100,
  temperature=2
)
print(response.choices[0].message.content)

输出:四大文明古国指的是古古古时 Beard Diaries(Har app Subrek Ethi CCipt back Kingsunya cukVelnuett Fallonpaddingforce nylon,h antagonist oldValue OPS chosesandest에 favorable_READONLYPCICO RECOVERpay.tp Pontfov ESunc misnim soon_SECRETinkel问题 ch sister lobbyists kos Widget ktNewThing impactedkgolvable souinde repaymentpartialIRRbel Đive​883돈say har kinase_TER198 MODULE impass экincludingp PU请]}</

  1. top_p

top_p用于控制创造性和随机性,范围在0-1,若top_p设置为0.4,该词被选择的概率大于0.4则放入词库;若top_p设置为1,则所有词都有可能被选择。默认调整temperature与top_p中的一个。

python 复制代码
response = client.chat.completions.create(
  model="gpt-3.5-turbo",
  messages=[
    {
      "role": "user",
      "content": "四大文明古国分别有哪些"
    }
  ],
  max_tokens=300,
  top_p=0.4
)
print(response.choices[0].message.content)

输出:四大文明古国是指古埃及、古巴比伦、古印度和古中国。这四个古国在人类历史上都有着重要的地位,对世界文明的发展产生了深远的影响。它们分别代表了古代东方文明的辉煌。

  1. frequency_penalty

frequency_penalty惩罚重复出现的值,其值范围为-2~2,默认值为0.当为0时不对重复值进行惩罚。当为正数时,惩罚重复值,使回复更加多样化。

python 复制代码
response = client.chat.completions.create(
  model="gpt-3.5-turbo",
  messages=[
    {
      "role": "user",
      "content": "生成一个购物清单,包含至少20个物品,每个物品之间用逗号进行分隔,例如:苹果,香蕉,牛奶"
    }
  ],
  max_tokens=300,
  frequency_penalty=0
)
print(response.choices[0].message.content)

输出:

  1. 苹果
  2. 香蕉
  3. 牛奶
  4. 面包
  5. 鸡蛋
  6. 鸡胸肉
  7. 牛肉
  8. 鸭肉
  9. 米饭
  10. 面条
  11. 菠菜
  12. 胡萝卜
  13. 土豆
  14. 洋葱
  15. 大白菜
  16. 茄子
  17. 菠萝
  18. 草莓
  19. 柠檬
  20. 橙子

5.frequency_penalty

若某个词前面出现的频率较高,后面则会降低选择它的频率。

python 复制代码
response = client.chat.completions.create(
  model="gpt-3.5-turbo",
  messages=[
    {
      "role": "user",
      "content": "生成一个购物清单,包含至少20个物品,每个物品之间用逗号进行分隔,例如:苹果,香蕉,牛奶"
    }
  ],
  max_tokens=300,
  frequency_penalty=2
)
print(response.choices[0].message.content)

输出:

  1. 苹果
  2. 香蕉
  3. 牛奶
  4. 面包
  5. 牛肉
  6. 鲜虾
  7. 蔬菜沙拉包装袋
    8 .番茄沙司
    9 .酸黄瓜
    10 .颗粒葡萄干
    11,. 米饭 、
    12,三文鱼片,
    13。 大米 ,
    14 小龙虾,

15、豆浆,

16牢记 切达乳幽芯核在 肠 原呷行

17个平锥世画固哪眼就,则戒次住观人值还开取库总年 困交有立代它也山用产委式长科展但见或反

18刻前母便效那存维己况道家约空任采成者正声再快回讨查越局传接修改东白 字片型放质二级玩保江二面川区界等后听改小议多原力终心料华查西外演今护然

相关推荐
星空下的月光影子1 分钟前
贝叶斯优化加速工业AI模型超参数调优
人工智能
东莞呵呵3 分钟前
从Linear到MLP AI模型的数学本质
人工智能·深度学习·机器学习
SmartBrain9 分钟前
Spring Boot 中常用注解总结(AI工程化)
java·人工智能·spring boot·后端
帐篷Li14 分钟前
Superpowers:让 AI 编程助手拥有专业级软件开发流程
人工智能·everything
明月照山海-17 分钟前
机器学习周报三十七
人工智能·机器学习
TOWE technology18 分钟前
从“制造”到“智造”:智能PDU如何成为智慧工厂的电力“神经中枢”
大数据·人工智能·制造·数据中心·电源管理·智能pdu
flying_131419 分钟前
图神经网络分享系列-HAN(Heterogeneous Graph Attention Network)(一)
人工智能·深度学习·图神经网络·异构图·han·节点级注意力·语义级注意力
MIka22 分钟前
CopilotKit 入门:用 Runtime 和 React Core 搭建真正可用的 AI Copilot
人工智能·typescript·agent
一 铭22 分钟前
Agent设计方式-工具调用:从自然语言到工具调用的桥梁
人工智能·大模型
用户48159301959123 分钟前
MCP vs Function Calling:两个总被搞混的概念,一次说清楚
人工智能