Выборка по ядру top-p
Как top-p ограничивает выборку наиболее вероятным набором токенов.
«Выборка по ядру top-p» — бесплатный урок AI Prompt Engineering на CoddyKit. Это урок 2 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения AI Prompt Engineering, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс AI Prompt Engineering содержит 4 уроков всего.
Что такое выборка top-p?
Выборка top-p (также называемая выборкой по ядру) — это метод, ограничивающий выборку динамическим подмножеством словаря. Вместо выборки из всех токенов модель рассматривает только наименьший набор токенов, суммарная вероятность которых составляет не менее p.
Метод предложен в статье «Любопытный случай вырождения нейронного текста» (Holtzman и др., 2019); для разнообразной и одновременно связной генерации он превосходит простое масштабирование температуры.
Как работает top-p: пошаговое описание
Алгоритм:
- Вычислите вероятности softmax для всего словаря
- Отсортируйте токены по вероятности, начиная с самой высокой
- Последовательно проходите по отсортированному списку, накапливая вероятности, пока их суммарное значение не достигнет p
- Этот набор токенов называется ядром
- Выполняйте выборку только из ядра, перенормировав вероятности так, чтобы их сумма была равна 1
import numpy as np
def top_p_sample(logits, p=0.9):
probs = softmax(logits, temperature=1.0)
# Sort by probability descending
sorted_indices = np.argsort(probs)[::-1]
sorted_probs = probs[sorted_indices]
# Find nucleus: smallest set with cumulative prob >= p
cumulative = np.cumsum(sorted_probs)
nucleus_size = np.searchsorted(cumulative, p) + 1
nucleus_indices = sorted_indices[:nucleus_size]
nucleus_probs = sorted_probs[:nucleus_size]
# Renormalize
nucleus_probs = nucleus_probs / nucleus_probs.sum()
# Sample
chosen = np.random.choice(nucleus_indices, p=nucleus_probs)
return chosen
token = top_p_sample(logits, p=0.9)Динамическое ядро
Ключевая особенность top-p: размер ядра является динамическим. Когда модель очень уверена в ответе (один токен доминирует с вероятностью 0.95), ядро содержит всего 1 токен. Когда модель не уверена (многие токены имеют близкие вероятности), ядро расширяется и включает больше токенов.
Размер ядра автоматически подстраивается под уверенность модели: высокая уверенность → небольшой словарь → сфокусированный результат. Низкая уверенность → больший словарь → больше возможностей для исследования.
# High-confidence situation: model strongly prefers 'the'
high_confidence_logits = np.array([5.0, 1.0, 0.5, 0.1, -0.5])
hc_probs = softmax(high_confidence_logits)
print('High confidence probs:', np.round(hc_probs, 3))
# [0.974, 0.018, 0.011, 0.007, 0.004]
# Top-p=0.9 nucleus: just 1 token (cumulative after token 0 = 97.4% > 90%)
# Low-confidence situation: model unsure
low_confidence_logits = np.array([1.1, 1.0, 0.9, 0.8, 0.7])
lc_probs = softmax(low_confidence_logits)
print('Low confidence probs:', np.round(lc_probs, 3))
# [0.218, 0.208, 0.199, 0.190, 0.181]
# Top-p=0.9 nucleus: all 5 tokens (need all to reach 90%)Top-p в API OpenAI
Укажите top_p в вызове API. Допустимый диапазон — 0.0–1.0. Значение по умолчанию — 1.0 (полный словарь, без ограничения ядром).
OpenAI рекомендует: если вы изменяете top_p, оставляйте температуру равной 1.0, и наоборот. Одновременная настройка обоих параметров затрудняет предсказание фактического поведения выборки.
import openai
client = openai.OpenAI(api_key='sk-...')
# Nucleus sampling: top 90% of probability mass
resp = client.chat.completions.create(
model='gpt-4o',
messages=[{'role': 'user', 'content': 'Tell me an interesting fact about the ocean.'}],
temperature=1.0, # leave temperature at default
top_p=0.9 # sample from top 90% nucleus
)
print(resp.choices[0].message.content)p=1.0: выборка без ограничений
Когда top_p=1.0, ядро включает все токены — весь словарь. Это эквивалентно выборке только с температурой, без ограничения top-p. Каждый токен, каким бы маловероятным он ни был, имеет ненулевую вероятность выбора.
Используйте p=1.0, если нужна максимальная разнообразность. При p=1.0 только температура управляет формой распределения.
# p=1.0: all tokens in nucleus
resp_full = client.chat.completions.create(
model='gpt-4o',
messages=[{'role': 'user', 'content': 'Generate a creative story opening.'}],
temperature=1.0,
top_p=1.0 # no nucleus restriction
)
# p=0.5: very focused nucleus
resp_focused = client.chat.completions.create(
model='gpt-4o',
messages=[{'role': 'user', 'content': 'Generate a creative story opening.'}],
temperature=1.0,
top_p=0.5 # only top 50% probability mass
)Компромисс: top-p и температура
Оба параметра управляют разнообразием результата, но по-разному:
- Температура изменяет форму всего распределения — относительная вероятность токена по сравнению со всеми остальными меняется
- Top-p обрезает распределение — токен просто исключается, если находится за пределами ядра, независимо от его относительной вероятности
Top-p предотвращает проблему «выборки из хвоста»: при высокой температуре крайне маловероятные токены (бессмыслица, несвязанные слова) иногда всё же выбираются. Top-p полностью исключает такие токены из рассмотрения.
# The tail problem with temperature alone
high_temp_logits = np.array([3.0, 2.0, 1.0, 0.0, -1.0, -5.0, -10.0])
probs_high_temp = softmax(high_temp_logits, temperature=2.0)
print('High temp probs:', np.round(probs_high_temp, 4))
# The last token (logit=-10) still has a small probability
# With many tokens in a real vocab, these rare tokens accumulate
# and occasionally get sampled, producing incoherent output
# Top-p=0.9 cuts these off entirely
# ensuring only tokens contributing to the top 90% are consideredСовместное использование температуры и top-p
При совместном использовании обоих параметров сначала применяется температура (изменяется форма распределения), а затем к полученным вероятностям применяется top-p (распределение обрезается до ядра).
Распространённые конфигурации для рабочей среды:
- Творческое письмо: temp=1.0, top_p=0.95
- Чат: temp=0.8, top_p=0.9
- Код: temp=0.2, top_p=1.0 (при низкой температуре top-p почти не ограничивает выборку)
def combined_sample(logits, temperature=1.0, top_p=0.9):
# Step 1: apply temperature
probs = softmax(logits, temperature=temperature)
# Step 2: apply top-p nucleus
sorted_idx = np.argsort(probs)[::-1]
sorted_probs = probs[sorted_idx]
cumulative = np.cumsum(sorted_probs)
nucleus_size = np.searchsorted(cumulative, top_p) + 1
nucleus_idx = sorted_idx[:nucleus_size]
nucleus_probs = probs[nucleus_idx]
nucleus_probs = nucleus_probs / nucleus_probs.sum()
return np.random.choice(nucleus_idx, p=nucleus_probs)Top-p и повторения
Низкие значения top-p могут приводить к повторениям. Когда ядро очень маленькое, например при p=0.5, модель снова и снова выбирает токены из крошечного набора. Результат становится повторяющимся и предсказуемым — полной противоположностью ожидаемому творческому эффекту.
Следите за повторениями: они могут указывать на то, что значение top-p слишком низкое для данной задачи. Полезный диагностический признак: если модель зацикливается на одних и тех же фразах, увеличьте top-p или температуру.
def detect_repetition(text, window=20):
words = text.split()
if len(words) < window * 2:
return False
# Check if any window of words repeats within the text
for i in range(len(words) - window):
phrase = ' '.join(words[i:i + window])
rest = ' '.join(words[i + window:])
if phrase in rest:
return True
return False
response = call_llm(prompt)
if detect_repetition(response):
print('Warning: repetition detected — consider increasing top_p or temperature')Top-p и top-k: предварительный обзор
Top-p и top-k обрезают словарь перед выборкой, но делают это по-разному:
- Top-p: динамический размер ядра — расширяется, когда модель не уверена, и уменьшается, когда она уверена
- Top-k: фиксированный размер ядра — всегда рассматривается ровно k токенов независимо от уверенности модели
Обычно предпочтителен top-p, поскольку он подстраивается под уверенность модели. Подробно top-k рассматривается в следующем уроке.
# Top-k equivalent for comparison
def top_k_sample(logits, k=50):
probs = softmax(logits)
# Keep only top-k tokens
top_k_indices = np.argsort(probs)[::-1][:k]
top_k_probs = probs[top_k_indices]
top_k_probs = top_k_probs / top_k_probs.sum()
return np.random.choice(top_k_indices, p=top_k_probs)
# Key difference: k is always 50, regardless of model confidence
# Top-p nucleus size varies from 1 to thousands depending on confidenceЗначения по умолчанию и когда их изменять
Значения API по умолчанию: top_p = 1.0 (без ограничения ядром). Когда следует изменить этот параметр?
- Уменьшите top_p до 0.7–0.9: если результаты кажутся несвязными или содержат бессмысленные слова — слишком много выборки из хвоста
- Оставьте значение 1.0: если температура уже низкая — при низкой температуре распределение и так достаточно резко выражено, поэтому top-p всё равно почти не ограничивает выборку
- Не уменьшайте значение ниже 0.5: это приводит к повторениям и потере разнообразия
# Guidance: what to adjust based on symptoms
TROUBLESHOOTING = {
'output is incoherent or contains random words': {
'fix': 'lower top_p to 0.9 or 0.85',
'or': 'lower temperature'
},
'output is repetitive and looping': {
'fix': 'increase top_p or temperature',
'also': 'try adding frequency_penalty or presence_penalty'
},
'output is too predictable and boring': {
'fix': 'increase temperature to 0.9-1.2',
'keep': 'top_p at 0.95'
},
'output needs to be deterministic': {
'fix': 'set temperature=0, top_p=1.0'
}
}Top-p в Anthropic Claude
API Anthropic Claude также предоставляет top_p как параметр. Поведение идентично: модель формирует ядро из наименьшего набора токенов, чья суммарная вероятность достигает порога p, а затем выполняет выборку из этого ядра.
Для точного управления сочетайте этот параметр с температурой: используйте температуру для изменения формы распределения, а top_p — для ограничения набора токенов, которые можно выбрать из этого распределения.
import anthropic
claude = anthropic.Anthropic(api_key='sk-ant-...')
# Creative writing with nucleus sampling
message = claude.messages.create(
model='claude-opus-4-5',
max_tokens=256,
temperature=1.0,
top_p=0.95,
messages=[{
'role': 'user',
'content': 'Write a short poem about the ocean.'
}]
)
print(message.content[0].text)Проверка знаний
Какое ключевое преимущество выборки top-p (по ядру) перед выборкой top-k?
Итоги: выборка по ядру top-p
Выборка top-p формирует динамическое ядро — наименьший набор токенов, охватывающий не менее p всей вероятности:
- p=1.0: полный словарь, без ограничений
- p=0.9: масса вероятности 90% — типичная настройка для творческих задач
- p=0.5: очень сфокусированный результат — риск повторений
Ядро расширяется, когда модель не уверена, и сужается, когда она уверена. Это предотвращает выборку из хвоста (бессмыслицу от маловероятных токенов), сохраняя разнообразие. Следующий урок: выборка top-k и её отличие от top-p.
Часто задаваемые вопросы
Урок «Выборка по ядру top-p» бесплатный?
Да — полный текст урока «Выборка по ядру top-p» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс AI Prompt Engineering, подпишись на CoddyKit PRO. Курс AI Prompt Engineering содержит 4 уроков всего.
Чему я научусь в уроке «Выборка по ядру top-p»?
Как top-p ограничивает выборку наиболее вероятным набором токенов. Ты практикуешь AI Prompt Engineering с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать AI Prompt Engineering?
Предыдущий опыт не требуется. AI Prompt Engineering на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 2 из 4.
Сколько времени занимает урок «Выборка по ядру top-p»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке AI Prompt Engineering?
Да. Каждый урок AI Prompt Engineering включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Что такое температура в LLM
- Выборка по ядру top-p
- Выборка top-k
- Выбор параметров для вашего сценария