Podobnie jak wskaźniki temperatury i górnego P, wskaźniki kary za częstotliwość i obecność uwzględniają podpowiedzi tekstowe (poprzednie zakończenie plus nowe dane wejściowe) zamiast parametrów modelu wewnętrznego przy podejmowaniu decyzji o wyjściu. Istniejący tekst wpływa zatem na nowe uzupełnienia. Kara za częstotliwość zmniejsza prawdopodobieństwo, że model dosłownie powtórzy tę samą linię, „karząc” ją. Kara za obecność zwiększa prawdopodobieństwo, że będzie poruszał nowe tematy. Są one przydatne, gdy chcesz zapobiec powtarzaniu tego samego tekstu uzupełnień podczas wielokrotnych uzupełnień. Chociaż te tarcze są podobne, istnieje jedna ważna różnica. Kara za częstotliwość jest stosowana, jeśli sugerowany wynik tekstowy zostanie powtórzony (na przykład model użył dokładnie tego tokena w poprzednich uzupełnieniach lub podczas tej samej sesji), a model wybierze stary wynik zamiast nowego. Kara za obecność jest stosowana, jeżeli w danym tekście w ogóle występuje token.