核采样
Nucleus Sampling
学到 会用 就够：能亲手用起来
你可能会说
“我给访谈摘要助手设置 top-p=0.9，这表示它有九成正确率吗？”
Top-p 从高到低累加候选概率，只保留达到指定累计质量的一组候选，再在其中采样。它控制的是下一词元候选范围，0.9 不表示答案有九成概率真实。
使用 AI
科研里的例子
生成访谈提纲时，较小候选范围可能让问题更常规；但是否符合地方语境和研究伦理，仍须根据任务审查。
与固定保留若干词不同，核采样的候选数量会随分布形状变化：分布集中时可能只留少数，分散时可留较多。截断意在减少低概率尾部带来的异常，同时保留一定多样性。实际生成还可能先调整温度或应用其他过滤，顺序与实现都会影响结果。研究者应记录具体参数，并用任务评价确定效果，不能把概率质量阈值拿来当证据强度或置信区间。
判断
亲手检查一次
给候选概率 0.5、0.25、0.15、0.1，手算 p=0.7 和 0.9 时留下哪些项，说明候选数为何可变。
它做不到的
Top-p 只在相应采样实现中起作用，不能替代知识核验；它与精确率、统计 p 值和覆盖率都不是同一指标。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。
来源
卡片底稿由 AI 协助整理，经过核对；发现错误请告诉我。