本頁面會顯示您可以在模型要求中設定的選用取樣參數。不同模型可用的參數不盡相同。詳情請參閱參考說明文件。
符記取樣參數
Top-P
「Top-P」會影響模型選取輸出符記的方式。模型會按照可能性最高到最低的順序選取符記,直到所選符記的可能性總和等於 Top-P 值。舉例來說,假設詞元 A、B 和 C 的可能性分別為 0.3、0.2 和 0.1,而 Top-P 值為 0.5
,模型會依據溫度參數選擇 A 或 B 做為下一個詞元,並排除 C 做為候選詞元。
如要取得較不隨機的回覆,請指定較低的值;如要取得較隨機的回覆,請調高此值。
詳情請參閱topP
。
溫度參數
溫度會在應用 topP
和 topK
時,用於回覆產生期間的取樣。溫度參數會決定選取詞元時的隨機程度。如果您想藉由提示生成較不具開放性和創意性的回覆,建議調低溫度參數。另一方面,如果溫度參數較高,則可能產生較多樣化或有創意的結果。如果溫度參數為 0
,系統一律會選取可能性最高的詞元。在這種情況下,系統會根據特定提示提供的回覆,但仍可能出現少量變化。
如果模型的回覆太普通、太短或提供了備用回覆,再試試看調高溫度參數。
溫度越低,結果就越可預測 (但並非完全決定論)。詳情請參閱 temperature
。
停止參數
輸出詞元數量上限
設定 maxOutputTokens
,即可限制回應中產生的符記數量。一個符記約為四個字元,因此 100 個符記大約對應於 60 到 80 個字詞。設定較低的值,限制回應長度。
停止序列
在 stopSequences
中定義字串,如果回應中遇到其中一個字串,就會告知模型停止產生文字。如果字串在回應中出現多次,系統會在首次遇到該字串時截斷回應。字串會區分大小寫。
權杖懲罰參數
展示頻率懲罰
正值會對重複出現在生成文字中的符記處以懲罰,降低重複內容的機率。最小值為 -2.0
。最大值為 2.0
(不含)。詳情請參閱 frequencyPenalty
。
在家狀態罰分
正值會對已出現在生成文字中的符記處以懲罰,提高產生更多元內容的機率。最小值為 -2.0
。最大值為 2.0
(不含)。詳情請參閱 presencePenalty
。
進階參數
您可以使用這些參數,在回應中傳回更多權杖相關資訊,或控制回應的變化。
記錄輸出符記的機率
傳回每個產生步驟中,最優先候選符記的對數機率。模型選擇的符記可能與每個步驟的候選符記不同。使用 1
至 20
範圍內的整數值,指定要傳回的候選項目數量。詳情請參閱 logprobs
。您也必須將 responseLogprobs
參數設為 true
,才能使用這項功能。
responseLogprobs
參數會傳回模型在每個步驟中選擇的符記對應的對數機率。
詳情請參閱「Logprobs 簡介」的 Notebook。
種子
當種子固定為特定值時,模型會盡力為重複要求提供相同的回應。無法保證會產生確定性輸出內容。此外,即使使用相同的種子值,變更模型或參數設定 (例如溫度) 也會導致回覆有所差異。根據預設,系統會使用隨機種子值。詳情請參閱 seed
。
範例
以下是使用參數調整模型回應的範例。
Gen AI SDK for Python
安裝
pip install --upgrade google-genai
詳情請參閱 SDK 參考說明文件。
設定環境變數,以便在 Vertex AI 中使用 Gen AI SDK:
# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values # with appropriate values for your project. export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_VERTEXAI=True
Gen AI SDK for Go
瞭解如何安裝或更新 Gen AI SDK for Go。
詳情請參閱 SDK 參考說明文件。
設定環境變數,以便在 Vertex AI 中使用 Gen AI SDK:
# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values # with appropriate values for your project. export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_VERTEXAI=True
後續步驟
- 瞭解負責任的 AI 技術最佳做法和 Vertex AI 的安全過濾器。
- 瞭解安全性系統指示。
- 瞭解濫用行為監控。
- 瞭解負責任的 AI 技術。