本地部署的小 LLM 模型不会自动停止输出，怎么解决？

想用 langchain + huggingface 上的一些小模型做一些 rag 的测试，随便尝试了 2 个 Qwen/Qwen2-7B-Instruct 和 microsoft/Phi-3.5-mini-instruct，但我发现他们好像都不知道什么时候应该停止输出。下面举了一些例子

模型和 prompt 的代码，检索器的就不放了：

llm_model = AutoModelForCausalLM.from_pretrained( model_name, device_map="auto" ) tokenizer = AutoTokenizer.from_pretrained(model_name) pipe = pipeline( "text-generation", model=llm_model, tokenizer=tokenizer, max_new_tokens=512, return_full_text=False, do_sample=False, temperature=None, top_k=None, top_p=None, ) prompt = ChatPromptTemplate.from_template( "你是问答任务的助手。使用以下检索到的相关规定来回答问题。如果你不知道答案，就说你不知道。\n\n" "问题：{input} \n\n" "上下文：\n{context}\n\n" "回答：" ) 

这个 prompt 我是希望他在回答后面直接回答就可以了，很直接，但是这些模型有时候就很蠢。比如它会往后面补充：

根据上下文，.......... 问题：..... 答案：..... 问题：..... 答案：..... 问题：..... 答案：...... 

就十分容易出现上面这种情况，明明直接回答就好了，但是它一定要把能用的 token 用完才结束，这些小模型的输出 token 里面没有指定什么时候结束的吗？有没有什么解决办法。