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
ModelHub XC信创模盒2 小时前
中国信创AI生态下 “信创模盒”社区战略招募种子用户
人工智能·大模型·开发者·信创·算力
袋鼠云数栈2 小时前
集团数字化统战实战:统一数据门户与全业态监管体系构建
大数据·数据结构·人工智能·多模态
廋到被风吹走2 小时前
【AI】Codex 多语言实测:Python/Java/JS/SQL 效果横评
java·人工智能·python
cskywit2 小时前
【IEEE TNNLS 2025】赋予大模型“跨院行医”的能力:基于全局与局部提示的医学图像泛化框架 (GLP) 解析
人工智能
2501_948114243 小时前
AI API Gateway 选型指南:2026 年生产环境下的聚合平台深度对比
人工智能·gateway
实在智能RPA3 小时前
Agent 在物流行业能实现哪些自动化?——深度拆解 AI Agent 驱动的智慧物流新范式
运维·人工智能·ai·自动化
TechubNews3 小时前
Jack Dorsey:告别传统公司层级,借助 AI 走向智能体架构
大数据·人工智能
伴野星辰3 小时前
如何提高YOLO8目标检测的准确性?
人工智能·目标检测·机器学习
胡耀超4 小时前
Token的八副面孔:为什么“词元“不需要更好的翻译,而需要更多的读者
大数据·人工智能·python·agent·token·代币·词元
带娃的IT创业者4 小时前
WeClaw_42_Agent工具注册全链路:从BaseTool到意图识别的标准化接入
大数据·网络·人工智能·agent·意图识别·basetool·工具注册