---
title: "LLM में frequency और presence penalty क्या हैं? | BroadRouter"
description: "फ़्रीक्वेंसी और प्रेज़ेंस पेनल्टी पहले इस्तेमाल हो चुके टोकन की संभावना घटाकर दोहराव कम करती हैं। दोनों में फ़र्क़, उनकी रेंज, और repetition_penalty।"
url: https://broadrouter.com/hi/glossary/frequency-and-presence-penalty/
lang: hi
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/glossary/frequency-and-presence-penalty/) (2026-11-15 को अपडेट किया गया).

# फ़्रीक्वेंसी और प्रेज़ेंस पेनल्टी

अपडेट किया गया 2026-11-15

फ़्रीक्वेंसी और प्रेज़ेंस पेनल्टी सैंपलिंग सेटिंग हैं जो आउटपुट में पहले आ चुके टोकन का स्कोर घटाती हैं। प्रेज़ेंस पेनल्टी टोकन के एक बार भी आने पर लगती है; फ़्रीक्वेंसी पेनल्टी हर दोहराव के साथ बढ़ती है। OpenAI के API में दोनों की रेंज -2.0 से 2.0 है, डिफ़ॉल्ट 0।

अन्य नाम: फ़्रीक्वेंसी पेनल्टी, प्रेज़ेंस पेनल्टी, रिपिटिशन पेनल्टी, frequency penalty kya hai, presence penalty kya hai, frequency penalty, presence penalty, frequency\_penalty, presence\_penalty, repetition penalty

लूप में फँसा मॉडल एक ही वाक्यांश तब तक दोहराता है जब तक उसके टोकन ख़त्म न हो जाएँ। पेनल्टी सैंपलिंग के समय लगाया जाने वाला एक मोटा-सा इलाज है।

## यह कैसे काम करता है

हर अगला [टोकन](https://broadrouter.com/hi/glossary/token/) चुनने से पहले सर्वर उन टोकन के स्कोर बदलता है जो पहले जनरेट हो चुके हैं।

| सेटिंग | vLLM के डॉक्स के मुताबिक़ किस पर पेनल्टी | रेंज और डिफ़ॉल्ट |
| --- | --- | --- |
| `presence_penalty` | टोकन पर, “based on whether they appear in the generated text so far” (अनुवाद: इस आधार पर कि वे अब तक के जनरेट टेक्स्ट में आए या नहीं) | OpenAI: -2.0 से 2.0, डिफ़ॉल्ट 0 |
| `frequency_penalty` | टोकन पर, “based on their frequency in the generated text so far” (अनुवाद: अब तक के जनरेट टेक्स्ट में उनकी बारंबारता के आधार पर) | OpenAI: -2.0 से 2.0, डिफ़ॉल्ट 0 |
| `repetition_penalty` | टोकन पर, “based on whether they appear in the prompt and the generated text so far” (अनुवाद: इस आधार पर कि वे प्रॉम्प्ट और अब तक के जनरेट टेक्स्ट में आए या नहीं) | vLLM और Hugging Face: 1.0 का मतलब कोई पेनल्टी नहीं |

पॉज़िटिव वैल्यू इस्तेमाल हो चुके टोकन से दूर धकेलती हैं; नेगेटिव वैल्यू दोहराव की संभावना बढ़ाती हैं। OpenAI कहता है कि पॉज़िटिव फ़्रीक्वेंसी पेनल्टी “the model’s likelihood to repeat the same line verbatim” (अनुवाद: मॉडल के वही लाइन ज्यों की त्यों दोहराने की संभावना) घटाती है, और पॉज़िटिव प्रेज़ेंस पेनल्टी “the model’s likelihood to talk about new topics” (अनुवाद: मॉडल के नए विषयों पर बात करने की संभावना) बढ़ाती है। `repetition_penalty` के लिए vLLM कहता है कि 1 से ऊपर की वैल्यू नए टोकन को बढ़ावा देती हैं और 1 से नीचे की वैल्यू दोहराव को। Hugging Face के डॉक्स इस पेनल्टी के लिए CTRL पेपर का हवाला देते हैं।

```json
{"model": "...", "messages": [...], "frequency_penalty": 0.5, "presence_penalty": 0.3}
```

## यह क्यों मायने रखता है

-   **लंबे आउटपुट में लूप.** एजेंट और लंबे सारांश दोहराव में फँस सकते हैं। छोटी-सी पेनल्टी लूप तोड़ सकती है, और [max\_tokens](https://broadrouter.com/hi/glossary/max-tokens/) की पक्की सीमा नुक़सान को सीमित रखती है।
-   **साइड इफ़ेक्ट.** पेनल्टी टोकन पर लगती है, विचारों पर नहीं। तेज़ पेनल्टी मॉडल को वे शब्द दोबारा इस्तेमाल करने से रोक सकती है जिनकी उसे ज़रूरत है, जैसे कोड में किसी वेरिएबल का नाम, कोई JSON key, या अरबी टेक्स्ट में कोई नाम जो जानबूझकर दोहराया जाता है। 0 से शुरू करें और छोटे क़दमों में बदलें।
-   **सैंपलिंग से टकराव.** [टेम्परेचर](https://broadrouter.com/hi/glossary/temperature/) और [top-p](https://broadrouter.com/hi/glossary/top-p/) भी विविधता बदलते हैं। टेस्ट करते समय एक बार में एक ही सेटिंग बदलें।

## BroadNet Inference पर

BroadNet का [API रेफ़रंस](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-glossary-frequency-and-presence-penalty&utm_content=body) `frequency_penalty`, `presence_penalty` या `repetition_penalty` को डॉक्यूमेंट नहीं करता। भरोसा करने से पहले इन्हें टेस्ट करें: ऐसा प्रॉम्प्ट भेजें जो दोहराव की ओर जाता हो, फ़ील्ड के साथ और उसके बिना, और तुलना करें। अगर लंबे रन में दोहराव दिखे, तो साफ़ प्रॉम्प्ट, कम आउटपुट सीमा आज़माएँ, या रन रोककर किसी चेकपॉइंट से दोबारा शुरू करें; [रात भर चलने वाले एजेंट रन वाली पोस्ट](https://broadrouter.com/hi/blog/overnight-coding-agent-runs/) यही तरीक़ा समझाती है।

## आम ग़लतियाँ

-   प्रॉम्प्ट की समस्या ठीक करने के लिए पेनल्टी ऊँची कर देना। दोहराव का मतलब अक्सर यह होता है कि मॉडल के पास रुकने का साफ़ बिंदु नहीं है।
-   स्ट्रक्चर्ड आउटपुट पर पेनल्टी लगाना, जहाँ keys को दोहराना ही पड़ता है।

## अक्सर पूछे जाने वाले सवाल

### फ़्रीक्वेंसी और प्रेज़ेंस पेनल्टी में क्या फ़र्क़ है?

प्रेज़ेंस पेनल्टी पूछती है "क्या यह टोकन आ चुका है?" और एक बार लगती है। फ़्रीक्वेंसी पेनल्टी पूछती है "कितनी बार?" और हर दोहराव के साथ बढ़ती है। vLLM इन्हें इस आधार पर पेनल्टी बताता है कि टोकन अब तक के टेक्स्ट में आया या नहीं, और कितनी बार आया।

### क्या repetition\_penalty भी यही चीज़ है?

नहीं। यह vLLM और Hugging Face में इस्तेमाल होने वाला अलग गुणक है, जहाँ 1.0 का मतलब कोई पेनल्टी नहीं। vLLM इसे सिर्फ़ आउटपुट पर नहीं, प्रॉम्प्ट और आउटपुट दोनों के टोकन पर लगाता है।

### क्या BroadNet Inference ये पेनल्टी सपोर्ट करता है?

BroadNet का API रेफ़रंस frequency\_penalty, presence\_penalty या repetition\_penalty को डॉक्यूमेंट नहीं करता। भरोसा करने से पहले इन्हें टेस्ट करें।

## यह भी देखें

-   [टेम्परेचर (temperature)](https://broadrouter.com/hi/glossary/temperature/) (शब्द)
-   [टॉप-पी (top-p, nucleus sampling)](https://broadrouter.com/hi/glossary/top-p/) (शब्द)
-   [टोकन (token)](https://broadrouter.com/hi/glossary/token/) (शब्द)
-   [लॉगप्रॉब्स (logprobs)](https://broadrouter.com/hi/glossary/logprobs/) (शब्द)
-   [seed पैरामीटर (seed parameter)](https://broadrouter.com/hi/glossary/seed-parameter/) (शब्द)
-   [कोडिंग एजेंट को रात भर बिना निगरानी के सुरक्षित कैसे चलाएँ](https://broadrouter.com/hi/blog/overnight-coding-agent-runs/) (लेख)
-   [एजेंट टोकन बजट: एजेंट लूप के टोकन कहाँ जाते हैं](https://broadrouter.com/hi/blog/agent-token-budget/) (लेख)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

[शुरू करें](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-glossary-frequency-and-presence-penalty&utm_content=page-cta) ·

**स्रोत**

-   [OpenAI API रेफ़रंस, chat completion बनाना (frequency\_penalty, presence\_penalty) (2026-11-15 को जाँचा गया)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [vLLM डॉक्यूमेंटेशन, SamplingParams (presence, frequency और repetition पेनल्टी) (2026-11-15 को जाँचा गया)](https://docs.vllm.ai/en/latest/api/vllm/sampling_params/)
-   [Keskar और साथी, CTRL: A Conditional Transformer Language Model for Controllable Generation, arXiv 1909.05858 (2026-11-15 को जाँचा गया)](https://arxiv.org/abs/1909.05858)
-   [Hugging Face Transformers, GenerationConfig (repetition\_penalty) (2026-11-15 को जाँचा गया)](https://huggingface.co/docs/transformers/main_classes/text_generation)
