Add editable LLM penalties and preserve sampling through backup restore

LLM_SAMPLING.md

@@ -0,0 +1,51 @@
+# LLM-Sampling und Penalties
+
+Unter Chat & Sprachmodelle → Profile → Bearbeiten sind Temperatur, Top-p,
+Top-k und im Abschnitt **Penalties** diese Werte editierbar:
+
+| Feld | Neutral | Bedeutung |
+|---|---:|---|
+| Wiederholungs-Penalty (`repeat_penalty`) | 1,0 | Über 1 dämpft bereits erzeugte Tokens |
+| Presence-Penalty | 0 | Berücksichtigt, ob ein Token bereits vorkam |
+| Frequency-Penalty | 0 | Berücksichtigt, wie oft ein Token bereits vorkam |
+
+Die Profilwerte gelten im Testchat und am OpenAI-kompatiblen Chat-Endpunkt.
+Explizite Werte eines API-Clients haben Vorrang. `repeat_penalty` ist eine
+llama.cpp-Erweiterung, Presence und Frequency sind OpenAI-Felder. Es gibt keine
+Hermes-spezifische Übersetzung. Neue Felder werden bei älteren Profilen mit
+neutralen Werten ergänzt; das Speichern verändert keine GPU-Einstellungen.
+Backup/Restore übernimmt die Parameter zusammen mit den Profilen.
+
+## Geprüfte Empfehlungen (2026-10-01)
+
+| Gewichte | Temperatur | Top-p | Top-k | Wiederholung | Presence | Frequency |
+|---|---:|---:|---:|---:|---:|---:|
+| Qwen3.8 27B, Thinking | 1,0 | 0,95 | 20 | 1,0 | 0 | 0 |
+| Gemma 4 31B IT | 1,0 | 0,95 | 64 | 1,0 | 0 | 0 |
+
+Quellen: [Qwen](https://huggingface.co/Qwen/Qwen3.8-27B#best-practices),
+[Gemma](https://huggingface.co/google/gemma-4-31B-it#best-practices),
+[llama.cpp-API](https://github.com/ggml-org/llama.cpp/blob/master/tools/server/README.md).
+Qwen nennt Wiederholung 1,0 und Presence 0 für Thinking ausdrücklich. Frequency
+0 ist ein neutraler Deck-Wert, keine gesonderte Modellkarten-Empfehlung.
+Gemma nennt keine abweichenden Penalties; dort bleiben sie neutral.
+
+Die verwendeten MIX- und JonathanColetti-Quantisierungen nennen keine eigenen
+Sampling-Empfehlungen; die Werte des Qwen-Basismodells werden übernommen.
+Für Qwen ohne Thinking empfiehlt die Modellkarte stattdessen Temperatur 0,7,
+Top-p 0,8, Top-k 20, Presence 1,5 und Wiederholung 1,0. Deck schaltet die
+Profilwerte bei einer einzelnen Anfrage mit ausgeschaltetem Thinking nicht
+automatisch um. Bei Bedarf ein eigenes Profil mit diesen Werten speichern.
+OBLITERATUS-Empfehlungen werden nicht auf andere unzensierte Varianten übertragen.
+
+## Bestehende Installation gezielt konfigurieren
+
+`python3 deploy/configure_llm_sampling.py --installation /opt/athena-deck-dev/runtime`
+zeigt die geplanten Änderungen. `--apply` schreibt sie ausschließlich, wenn der
+zugehörige Deck-Container gestoppt ist, und sichert vorher die Profildatei.
+Unbekannte Modellquellen und Nicht-Chat-Profile bleiben unberührt. Das optionale
+`--add-large-ultra` ergänzt die vom alten Router angeforderten Large-/Ultra-Profile
+auf Basis des geprüften Medium-Modells; API-Freigaben werden nicht geändert.
+
+Bild-, Video-, Trenn-, STT- und derzeitige Audio-Profile besitzen keine solchen
+Sampling-Felder. Die Implementierung fügt ihnen keine wirkungslosen Optionen hinzu.