重复循环是怎么自我强化的？越重复越容易重复

输出一旦开始重复，往往会越陷越深：同一句式滚雪球，直到被截断。DeepSeek、Kimi 的历史版本都处理过这类反馈，重复循环并非参数没调好那么简单，它是一套概率层面的自我强化，本文讲清成因与打断办法。

越重复越容易重复：概率的喂养

机制是条反馈链：某句式出现后，它成为上下文的一部分；注意力反复「复习」这段内容，相关词的分数被抬升；下一步它更容易再次胜出；再次出现又进一步加固。如此滚动，几个回合就把候选面压窄成单行道。上下文压缩是怎么做的那篇讲的历史太长会稀释细节，循环恰好相反——局部内容被过度放大，两头都是失衡，一个失忆、一个钻牛角尖。

打断循环：各出什么招

重复惩罚那篇讲的扣分是直接外力，给已出现词降权，出现越久压得越狠；温度调高能压平分布，给冷门候选留活路，但过高会语无伦次；束搜索那类多路保留在确定性输出里反而可能全军走同一条重复路，此时不如换采样。约束解码是怎么保证 JSON 格式的那篇的字符拦截在极端情况下会加剧兜圈，合法候选太少时尤其明显。组合使用、小幅调节，比一招拧到底有效得多。

循环输出自查清单三步排查

• 确认是结构复读还是正常排比，先别急着调参
• 微调温度与重复惩罚，每次只动一个旋钮
• 检查提示是否信息不足，模型缺方向才原地打转
• 调参前先问这句：是它想复读，还是你没给它可说的东西

循环和排比怎么区分

散文里的排比是刻意的节奏设计，内容各不相同；循环是内容几乎雷同的原地踏步，只换标点或代词。判断标准看信息增量：每句都有新东西就是修辞，每句都在空转就是故障。一条消息的完整旅程那篇讲的解码全程、随机种子是怎么影响输出的那篇的复现实验，都能用来取证：固定种子重跑，若循环位置一模一样，就是分布与参数的病；换种子能缓解，治本还得靠把任务方向交代清楚。

关于重复循环的三个常问问题

• 为什么调高重复惩罚反而更乱？：惩罚过猛把正常用词也压下去，模型被迫选别扭替词，句子破碎；小步上调、观察用词，比一次拧到底稳妥。
• 循环和正常的排比修辞怎么区分？：看信息增量，每句有新内容是修辞，几乎原样复读是故障；拿不准就换问法重试，看复现模式。
• 提示词写好能避免循环吗？：清晰的输出方向能显著减少原地打转，模型没活干最容易兜圈；参数是保险丝，提示是方向盘，两者都要。

病根记一条：循环是概率自我喂养的雪球，方向明确的任务滚不起来。再从训练侧补一句：模型没见过的新内容容易触发循环，因为分布里缺乏可靠支撑，模型只能反复回到训练充分的常见模式上求稳，这就是为什么让它编新东西时复读风险更高。工程上的应对通常是：先降温收分布，再加惩罚打断既成事实，必要时用停止词兜底。但要注意惩罚对合理的重复同样生效，法条、代码片段、固定话术里的重复是有意义的，这类场景要么局部关惩罚，要么改用更温和的频率惩罚。判断是病还是正常文风，有个简单标准：重复的内容是否还在推进信息，信息量为零的原地打转才是病。还有一个细节：惩罚项通常只作用于候选池，不改变模型权重，所以关掉开关，行为立刻恢复原样。