Model 在 RAG推理中不断重覆生成相同的tokens

[williamyu20]

提交前必须检查以下项目

• [X] 请确保使用的是仓库最新代码（git pull），一些问题已被解决和修复。
• [X] 我已阅读项目文档和FAQ章节并且已在Issue中对问题进行了搜索，没有找到相似问题和解决方案。
• [X] 第三方插件问题：例如llama.cpp、LangChain、text-generation-webui等，同时建议到对应的项目中查找解决方案。

问题类型

模型推理

基础模型

Chinese-Alpaca-2-16K (7B/13B)

操作系统

Linux

详细描述问题

用Langchain 搭建了一个RAG，并且给model一些從Chatgpt 3.5 生成假的银行开帐户的资料，用llama.cpp作推理。看了Langchain retrieval的output 是没有任何问题的，能output相对应的资料，但model的回应却一直出现重复回覆相同tokens的情况，即使调节了repetition_penalty也没用。这是这个model原本的缺陷吗？ model用的是ggml-model-q8_0.gguf，以下是retrieval 得到的output和model的回应。

依赖情况（代码类问题务必提供）

No response

运行日志或截图

No response

[ymcui]

直接用llama.cpp做推理是否有这个问题？以此来判断是哪个环节出了问题。

[github-actions[bot]]

This issue has been automatically marked as stale because it has not had recent activity. It will be closed if no further activity occurs. Thank you for your consideration.

[github-actions[bot]]

Closing the issue, since no updates observed. Feel free to re-open if you need any further assistance.