大语言模型是角色的大脑，角色的具体表现也取决于不同模型和相关参数设定。如果你不清楚如何设定，那么保持默认预设即可：

​
模型 model

模型即选择不同的大模型服务商及其具体的模型参数。选择不同的语言模型会对角色的回答产生重大影响。不同的模型在语言理解、生成能力、准确性、风格等方面可能存在差异。例如，某些模型可能更擅长处理特定领域的问题，而另一些模型可能在生成富有创意的回答方面表现更出色。 当前 LobeVidol 支持 OpenAI API 调用：

​
随机性 temperature

这个参数控制着回复的随机性程度。当值较大时，模型在生成回答时会更加随机，可能会给出更多不同寻常、富有创意的回答，但也可能会导致回答的准确性有所降低。相反，当值较小时，模型的回答会更加确定和保守，更倾向于给出常见的、较为可靠的答案。

​
核采样 top_p

与随机性类似，它也影响着模型生成回答的多样性和不确定性。不过，不要和随机性参数一起更改，因为它们的作用有一定的重叠，同时调整可能会导致不可预测的结果。

​
话题新鲜度 presence_penalty

这个参数控制着模型在回答问题时拓展到新话题的倾向。当值较大时，模型更有可能引入新的话题或观点，使回答更加丰富和多样化。然而，如果值设置得过大，可能会导致回答偏离问题的核心。

​
频率惩罚度 frequency_penalty

该参数用于控制模型在生成回答时重复字词的可能性。当值较大时，模型会尽量避免重复使用相同的字词，从而使回答更加流畅和自然。但如果值设置得过大，可能会导致回答过于生硬或不自然。