コーディング向けLM Studioの調整方法：`top_p`、`top_k`、`repeat_penalty`を理解する

LM Studio をコーディング用途で使うとき、大事なのはモデルの選択だけではありません。実際には、top_p、top_k、repeat_penalty といった 生成パラメータの設定 が結果の正確さ・安定性・創造性に大きく影響します。

もしモデルが同じ行を繰り返したり、意図しないコードを出力した経験があるなら、この3つのパラメータを理解することで改善できます。

🎯 `top_k` とは？

top_k は 候補数の制限 です。
通常モデルは数千のトークン候補に確率を割り当てますが、top_k を設定すると「上位K個の候補だけを考慮せよ」と制御できます。

top_k = 20 → 非常に集中、20個のみ
top_k = 100 → 幅広く多様
top_k = -1 → 制限なし

👉 コーディング向け: 20〜50 が安定した結果を出しやすいです。

🎯 `top_p` とは？

top_p は 確率のしきい値（nucleus sampling）です。候補数ではなく「合計確率がPに達するまでの候補」を選びます。

top_p = 0.9 → 合計確率90%に達するまでの候補を採用
top_p = 0.8 → より狭い範囲、出力はより決定的
top_p = 1.0 → 制限なし、すべての候補を利用

👉 コーディング向け: 0.85〜0.9 が推奨。柔軟性を保ちながら正確さを確保できます。

🎯 `repeat_penalty` とは？

モデルが print(print(print(...))) のように同じ行を繰り返すのを防ぐための仕組みです。
すでに出力されたトークンが再度選ばれる確率を下げます。

repeat_penalty = 1.0 → ペナルティなし（繰り返しやすい）
repeat_penalty = 1.05 → 軽い抑制
repeat_penalty = 1.2 → 強い抑制

👉 コーディング向け: 1.05 を基本に。必要に応じて少し上げます。

⚙️ 推奨コンフィグ例（コーディング用）

{
  "temperature": 0.2,
  "top_k": 40,
  "top_p": 0.9,
  "repeat_penalty": 1.05,
  "max_tokens": 2048,
  "seed": -1
}

低い temperature (0.2): 出力が安定しやすい
top_k と top_p の組合せ: 無意味な出力を防止
軽い repeat_penalty: 無限ループを防ぐ
seed = -1: ランダム性あり。固定値を設定すれば再現可能

🖼️ LM Studioでの設定フロー

 ┌───────────────────────────────┐
 │        LM Studio UI           │
 └───────────────────────────────┘
              │
              ▼
 ┌───────────────────────────────┐
 │   Model Config JSON            │
 │                                │
 │ {                              │
 │   "temperature": 0.2,          │
 │   "top_k": 40,                 │
 │   "top_p": 0.9,                │
 │   "repeat_penalty": 1.05,      │
 │   "max_tokens": 2048,          │
 │   "seed": -1                   │
 │ }                              │
 └───────────────────────────────┘
              │
              ▼
 ┌───────────────────────────────┐
 │        モデルの挙動            │
 ├───────────────────────────────┤
 │ top_k → 候補数の制限          │
 │ top_p → 確率のしきい値        │
 │ repeat_penalty → 繰り返し抑制 │
 │ temperature → 創造性の調整    │
 └───────────────────────────────┘