---
title: "LLM の frequency penalty と presence penalty とは？ | BroadRouter"
description: "frequency penalty と presence penalty は、モデルがすでに使ったトークンが選ばれにくくなるようにして繰り返しを減らします。両者の違い、範囲、repetition_penalty について解説します。"
url: https://broadrouter.com/ja/glossary/frequency-and-presence-penalty/
lang: ja
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/glossary/frequency-and-presence-penalty/)（2026-11-15 更新）。

# frequency penalty と presence penalty

更新日 2026-11-15

frequency penalty と presence penalty とは、出力にすでに現れたトークンのスコアを下げるサンプリング設定です。presence penalty はトークンが一度でも現れると適用され、frequency penalty は繰り返すたびに大きくなります。OpenAI の API ではどちらも -2.0〜2.0 で、デフォルトは 0 です。

別名： 頻度ペナルティ、存在ペナルティ、繰り返しペナルティ、反復ペナルティ、frequency penalty、presence penalty、frequency\_penalty、presence\_penalty、repetition penalty

ループにはまったモデルは、トークンが尽きるまで同じフレーズを繰り返します。ペナルティは、サンプリングの段階でかける大まかな対処法です。

## しくみ

次の[トークン](https://broadrouter.com/ja/glossary/token/)を引く前に、サーバーはすでに生成されたトークンのスコアを調整します。

| 設定 | vLLM のドキュメントによるペナルティの対象 | 範囲とデフォルト |
| --- | --- | --- |
| `presence_penalty` | 「based on whether they appear in the generated text so far」（訳：それまでに生成されたテキストに現れたかどうか）に基づくトークン | OpenAI：-2.0〜2.0、デフォルト 0 |
| `frequency_penalty` | 「based on their frequency in the generated text so far」（訳：それまでに生成されたテキストでの出現頻度）に基づくトークン | OpenAI：-2.0〜2.0、デフォルト 0 |
| `repetition_penalty` | 「based on whether they appear in the prompt and the generated text so far」（訳：プロンプトとそれまでに生成されたテキストに現れたかどうか）に基づくトークン | vLLM と Hugging Face：1.0 でペナルティなし |

正の値は使用済みのトークンを避けさせ、負の値は繰り返しを起こりやすくします。OpenAI によると、正の frequency penalty は「the model’s likelihood to repeat the same line verbatim」（訳：モデルが同じ行をそのまま繰り返す可能性）を下げ、正の presence penalty は「the model’s likelihood to talk about new topics」（訳：モデルが新しい話題に触れる可能性）を上げます。`repetition_penalty` について vLLM は、1 より大きい値は新しいトークンを、1 より小さい値は繰り返しを促すとしています。Hugging Face のドキュメントは、このペナルティについて CTRL の論文を参照しています。

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

## なぜ重要か

-   **長い出力でのループ。** エージェントや長い要約は、同じテキストの繰り返しに陥ることがあります。小さなペナルティでループを断ち切れることがあり、[max\_tokens](https://broadrouter.com/ja/glossary/max-tokens/) の厳格な上限で被害を抑えられます。
-   **副作用。** ペナルティが作用するのはトークンであって、アイデアではありません。強くしすぎると、コードの変数名、JSON のキー、意図的に繰り返されるアラビア語テキスト中の名前など、モデルが再利用すべき語まで使えなくなります。0 から始めて少しずつ変えてください。
-   **サンプリング設定との重なり。** [temperature](https://broadrouter.com/ja/glossary/temperature/) と [top-p](https://broadrouter.com/ja/glossary/top-p/) も多様性を変えます。テストでは設定を 1 つずつ変えてください。

## BroadNet Inference の場合

BroadNet の [API リファレンス](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-glossary-frequency-and-presence-penalty&utm_content=body)には `frequency_penalty`、`presence_penalty`、`repetition_penalty` の記載がありません。頼る前に試してください。繰り返しが起きやすいプロンプトを、フィールドありとなしで送って比べます。長時間の実行で繰り返しが出るなら、より明確なプロンプト、より低い出力上限を試すか、実行を止めてチェックポイントから再開してください。このパターンは[夜間のエージェント実行の記事](https://broadrouter.com/ja/blog/overnight-coding-agent-runs/)で扱っています。

## よくある間違い

-   プロンプトの問題を直すためにペナルティを高く設定すること。繰り返しは、多くの場合モデルに明確な終わりどころがないことを意味します。
-   キーが繰り返し現れるのが当然の構造化出力にペナルティを使うこと。

## よくある質問

### frequency penalty と presence penalty の違いは何ですか？

presence penalty は「このトークンは出てきたか」を見て、一度だけ適用されます。frequency penalty は「何回出てきたか」を見て、繰り返すたびに大きくなります。vLLM は、それまでのテキストに現れたかどうか、その頻度によってトークンにペナルティを課すものと説明しています。

### repetition\_penalty は同じものですか？

いいえ。vLLM と Hugging Face が使う別の乗数で、1.0 がペナルティなしを意味します。vLLM は出力だけでなく、プロンプトと出力の両方のトークンにこれを適用します。

### BroadNet Inference はこれらのペナルティに対応していますか？

BroadNet の API リファレンスには frequency\_penalty、presence\_penalty、repetition\_penalty の記載がありません。頼る前に試してください。

## 関連項目

-   [temperature（温度）](https://broadrouter.com/ja/glossary/temperature/)（用語）
-   [top-p（Nucleus サンプリング）](https://broadrouter.com/ja/glossary/top-p/)（用語）
-   [トークン（token）](https://broadrouter.com/ja/glossary/token/)（用語）
-   [logprobs（対数確率）](https://broadrouter.com/ja/glossary/logprobs/)（用語）
-   [seed パラメーター（シード値）](https://broadrouter.com/ja/glossary/seed-parameter/)（用語）
-   [コーディングエージェントを夜間に無人で安全に動かす方法](https://broadrouter.com/ja/blog/overnight-coding-agent-runs/)（記事）
-   [エージェントのトークン予算：エージェントループのトークンはどこに消えるか](https://broadrouter.com/ja/blog/agent-token-budget/)（記事）

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

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

**出典**

-   [OpenAI API リファレンス、チャット補完の作成（frequency\_penalty、presence\_penalty）（2026-11-15 確認）](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [vLLM ドキュメント、SamplingParams（presence、frequency、repetition の各ペナルティ）（2026-11-15 確認）](https://docs.vllm.ai/en/latest/api/vllm/sampling_params/)
-   [Keskar ら、CTRL: A Conditional Transformer Language Model for Controllable Generation、arXiv 1909.05858（2026-11-15 確認）](https://arxiv.org/abs/1909.05858)
-   [Hugging Face Transformers、GenerationConfig（repetition\_penalty）（2026-11-15 確認）](https://huggingface.co/docs/transformers/main_classes/text_generation)
