---
title: "ما هي عقوبة التكرار وعقوبة الحضور في نماذج LLM؟ | BroadRouter"
description: "تخفض عقوبتا التكرار والحضور فرص الرموز التي استخدمها النموذج من قبل، للحد من التكرار. الفرق بينهما، ونطاقاتهما، والمعامل repetition_penalty."
url: https://broadrouter.com/ar/glossary/frequency-and-presence-penalty/
lang: ar
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/glossary/frequency-and-presence-penalty/) (حُدّث في 2026-11-15).

# عقوبة التكرار وعقوبة الحضور (Frequency/presence penalty)

آخر تحديث 2026-11-15

عقوبة التكرار (frequency penalty) وعقوبة الحضور (presence penalty) إعدادان لأخذ العينات يخفضان درجة الرموز الموجودة أصلًا في المخرجات. تُطبَّق عقوبة الحضور مرة واحدة بمجرد ظهور الرمز، وتزداد عقوبة التكرار مع كل تكرار. وفي واجهة OpenAI يتراوح كلاهما بين -2.0 و2.0، والقيمة الافتراضية 0.

يُسمّى أيضًا: عقوبة التكرار، عقوبة الحضور، عقوبة الوجود، منع تكرار النص، frequency penalty، presence penalty، frequency\_penalty، presence\_penalty، repetition penalty

النموذج العالق في حلقة يكرر العبارة نفسها حتى تنفد رموزه. والعقوبات حل خشن يُطبَّق وقت أخذ العينات.

## كيف تعمل

قبل سحب كل [رمز](https://broadrouter.com/ar/glossary/token/) تالٍ، يعدّل الخادم درجات الرموز التي وُلّدت من قبل.

| الإعداد | ما يعاقبه بحسب توثيق vLLM | النطاق والقيمة الافتراضية |
| --- | --- | --- |
| `presence_penalty` | الرموز “based on whether they appear in the generated text so far” (ترجمة: بحسب ظهورها في النص المولَّد حتى الآن) | OpenAI: من -2.0 إلى 2.0، والافتراضية 0 |
| `frequency_penalty` | الرموز “based on their frequency in the generated text so far” (ترجمة: بحسب تكرارها في النص المولَّد حتى الآن) | OpenAI: من -2.0 إلى 2.0، والافتراضية 0 |
| `repetition_penalty` | الرموز “based on whether they appear in the prompt and the generated text so far” (ترجمة: بحسب ظهورها في الأمر وفي النص المولَّد حتى الآن) | vLLM وHugging Face: القيمة 1.0 تعني عدم وجود عقوبة |

القيم الموجبة تُبعد النموذج عن الرموز المستخدمة، والقيم السالبة تجعل التكرار أرجح. وتقول OpenAI إن عقوبة التكرار الموجبة تخفض “the model’s likelihood to repeat the same line verbatim” (ترجمة: احتمال أن يكرر النموذج السطر نفسه حرفيًا)، وإن عقوبة الحضور الموجبة ترفع “the model’s likelihood to talk about new topics” (ترجمة: احتمال أن يتحدث النموذج عن مواضيع جديدة). وبالنسبة إلى `repetition_penalty`، يقول vLLM إن القيم الأعلى من 1 تفضّل الرموز الجديدة والقيم الأدنى من 1 تفضّل التكرار. ويحيل توثيق Hugging Face إلى ورقة CTRL بشأن هذه العقوبة.

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

## لماذا تهم

-   **الحلقات في المخرجات الطويلة.** قد يقع الوكلاء والملخصات الطويلة في نص متكرر. وقد تكسر عقوبة صغيرة الحلقة، بينما يحدّ سقف صارم في [max\_tokens](https://broadrouter.com/ar/glossary/max-tokens/) من الضرر.
-   **الآثار الجانبية.** تعمل العقوبات على الرموز لا على الأفكار. والعقوبة القوية قد تمنع النموذج من إعادة استخدام كلمات يحتاج إليها، مثل اسم متغير في الشيفرة، أو مفتاح JSON، أو اسم في نص عربي يتكرر عن قصد. ابدأ من 0 وغيّر بخطوات صغيرة.
-   **التداخل مع أخذ العينات.** تغيّر [درجة الحرارة](https://broadrouter.com/ar/glossary/temperature/) و[top-p](https://broadrouter.com/ar/glossary/top-p/) التنوع أيضًا. غيّر إعدادًا واحدًا في كل مرة حين تختبر.

## في BroadNet Inference

لا يوثّق [المرجع التقني لـ BroadNet](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-glossary-frequency-and-presence-penalty&utm_content=body) المعاملات `frequency_penalty` و`presence_penalty` و`repetition_penalty`. اختبرها قبل الاعتماد عليها: أرسل أمرًا يميل إلى التكرار، مرة مع الحقل ومرة دونه، وقارن. وإن ظهر التكرار في التشغيلات الطويلة، فجرّب أمرًا أوضح، أو حدًا أدنى للمخرجات، أو أوقف التشغيل واستأنفه من نقطة حفظ؛ ويتناول [مقال تشغيل الوكلاء طوال الليل](https://broadrouter.com/ar/blog/overnight-coding-agent-runs/) هذا النمط.

## أخطاء شائعة

-   ضبط العقوبات على قيم عالية لإصلاح مشكلة في الأمر. فالتكرار كثيرًا ما يعني أن النموذج لا يملك نقطة توقف واضحة.
-   استخدام عقوبة مع المخرجات المنظَّمة، حيث يجب أن تتكرر المفاتيح.

## أسئلة شائعة

### ما الفرق بين عقوبة التكرار وعقوبة الحضور؟

تسأل عقوبة الحضور "هل ظهر هذا الرمز؟" وتُطبَّق مرة واحدة. أما عقوبة التكرار فتسأل "كم مرة؟" وتزداد مع كل تكرار. ويصفهما vLLM بأنهما تعاقبان الرموز بحسب ظهورها وبحسب تكرارها في النص حتى الآن.

### هل repetition\_penalty هو الشيء نفسه؟

لا. إنه مُضاعِف منفصل يستخدمه vLLM وHugging Face، والقيمة 1.0 فيه تعني عدم وجود عقوبة. ويطبّقه vLLM على الرموز في الأمر والمخرجات معًا، لا في المخرجات وحدها.

### هل يدعم BroadNet Inference هذه العقوبات؟

لا يوثّق المرجع التقني لـ BroadNet المعاملات frequency\_penalty وpresence\_penalty وrepetition\_penalty. اختبرها قبل الاعتماد عليها.

## انظر أيضًا

-   [درجة الحرارة (Temperature)](https://broadrouter.com/ar/glossary/temperature/) (مصطلح)
-   [Top-p (أخذ العينات من النواة)](https://broadrouter.com/ar/glossary/top-p/) (مصطلح)
-   [الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/) (مصطلح)
-   [اللوغاريتمات الاحتمالية (Logprobs)](https://broadrouter.com/ar/glossary/logprobs/) (مصطلح)
-   [معامل البذرة (seed)](https://broadrouter.com/ar/glossary/seed-parameter/) (مصطلح)
-   [كيف تشغّل وكلاء البرمجة طوال الليل دون مراقبة، بأمان](https://broadrouter.com/ar/blog/overnight-coding-agent-runs/) (مقال)
-   [ميزانية رموز الوكيل: أين تذهب رموز حلقة الوكيل](https://broadrouter.com/ar/blog/agent-token-budget/) (مقال)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

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

**المصادر**

-   [مرجع OpenAI API، إنشاء إكمال محادثة (frequency\_penalty وpresence\_penalty) (رُوجع في 2026-11-15)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [توثيق vLLM، الصنف SamplingParams (عقوبات الحضور والتكرار والإعادة) (رُوجع في 2026-11-15)](https://docs.vllm.ai/en/latest/api/vllm/sampling_params/)
-   [Keskar وآخرون، CTRL: A Conditional Transformer Language Model for Controllable Generation، arXiv 1909.05858 (رُوجع في 2026-11-15)](https://arxiv.org/abs/1909.05858)
-   [Hugging Face Transformers، الإعداد GenerationConfig (repetition\_penalty) (رُوجع في 2026-11-15)](https://huggingface.co/docs/transformers/main_classes/text_generation)
