> ## Documentation Index
> Fetch the complete documentation index at: https://novita.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Playground Interativo

Para ajudar os usuários a entender e testar melhor o comportamento de grandes modelos de linguagem, a **Novita** fornece um playground interativo flexível. Os usuários podem ajustar uma série de parâmetros para controlar com precisão a lógica de geração do modelo, o estilo do conteúdo e a estrutura da resposta, permitindo uma saída mais direcionada.

## Formato da Resposta

Os usuários podem escolher entre dois modos:

* **Estrutura de Saída JSON Personalizada**: Defina um JSON Schema para orientar o modelo na geração de uma saída que siga um formato predefinido, ideal para tarefas estruturadas ou cenários de integração com API.
* **Geração em Formato Livre**: Permita que o modelo organize livremente as respostas com base no contexto, adequado para perguntas e respostas abertas e aplicações de escrita criativa.

## Prompt do Sistema

Ao definir um prompt do sistema, os usuários podem especificar a "persona" do modelo e o contexto comportamental. Por exemplo, se você definir o prompt como “You are a professional travel planner,” o modelo responderá a partir dessa perspectiva, aumentando a consistência e a coerência contextual.

## Configuração de Parâmetros

O playground oferece suporte ao ajuste dos seguintes parâmetros principais:

* **max\_tokens**: Define o número máximo de tokens que o modelo pode gerar. Valores menores melhoram a velocidade de resposta, enquanto valores maiores são adequados para saídas complexas e longas.
* **temperature**: Controla a criatividade e a aleatoriedade da saída. Valores mais altos levam a respostas mais diversas e imaginativas, enquanto valores mais baixos geram saídas mais conservadoras e determinísticas, ideais para tarefas precisas.
* **top\_p (nucleus sampling)**: Ajusta dinamicamente o intervalo de amostragem de tokens a cada etapa para melhorar a diversidade e a fluência. Recomenda-se usar em conjunto com temperature.
* **top\_k**: Limita o modelo a selecionar entre os K tokens de maior probabilidade em cada etapa, o que aumenta a eficiência e reduz ruídos.
* **min\_p**: Uma alternativa a top\_p e top\_k, usada para filtrar tokens com probabilidades abaixo de um determinado limite, adequada para tarefas críticas em termos de precisão.
* **presence\_penalty**: Incentiva o modelo a introduzir novos tópicos em sua saída. Valores positivos aumentam a probabilidade de expansão para novos conteúdos.
* **frequency\_penalty**: Suprime a geração de tokens repetidos. Valores positivos reduzem a repetição e ajudam a manter a originalidade.
* **repetition\_penalty**: Reduz ainda mais o risco de loops ou prompts repetitivos, aumentando a robustez da saída.

## Recomendações de Uso

* **Para Escrita Criativa**: Aumente temperature, top\_p e presence\_penalty para incentivar saídas diversas e imaginativas.
* **Para Tarefas Estruturadas e Invocação de Ferramentas**: Use um esquema JSON fixo com temperature e top\_k mais baixos para garantir saídas consistentes e confiáveis.
* **Para Testar Interações**: Compare diferentes combinações de parâmetros para observar mudanças no estilo de geração, na densidade de informações e na compreensão contextual, auxiliando em uma iteração de prompts mais rápida.

***

Para replicar o comportamento do playground em chamadas de API, consulte a documentação dos parâmetros correspondentes no guia da plataforma.