---
title: "LLM में top-p क्या है? Nucleus sampling आसान भाषा में"
description: "top-p (nucleus sampling) सिर्फ़ उन सबसे संभावित टोकन में से सैंपल करता है जिनकी कुल प्रायिकता p तक पहुँचती है। यह कैसे काम करता है और temperature से कैसे अलग है।"
url: https://broadrouter.com/hi/glossary/top-p/
lang: hi
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/glossary/top-p/) (2026-11-14 को अपडेट किया गया).

# टॉप-पी (top-p, nucleus sampling)

अपडेट किया गया 2026-11-14

टॉप-पी, जिसे nucleus sampling भी कहते हैं, डिकोडिंग का एक तरीक़ा है जिसमें मॉडल अगला टोकन सिर्फ़ सबसे संभावित टोकन के उस सबसे छोटे सेट से चुनता है जिनकी कुल प्रायिकता 0.9 जैसी सीमा p तक पहुँचती है, और बाक़ी कम संभावित टोकन छोड़ देता है।

अन्य नाम: टॉप-पी, टॉप पी सैंपलिंग, न्यूक्लियस सैंपलिंग, top p kya hai, top\_p kya hota hai, top-p, nucleus sampling, top\_p, top-p sampling

मॉडल कोई टोकन चुने, उससे पहले top-p तय करता है कि किन टोकन को चुनाव में शामिल होने दिया जाए।

## यह कैसे काम करता है

Holtzman और साथियों ने 2019 में nucleus sampling पेश किया। वे top-p शब्दावली को टोकन का वह सबसे छोटा सेट बताते हैं जिसकी कुल (cumulative) प्रायिकता कम से कम p हो। इस सेट के बाहर हर टोकन की प्रायिकता शून्य हो जाती है। बाक़ी टोकन की प्रायिकताओं को दोबारा ऐसे बाँटा जाता है कि उनका जोड़ एक हो, और अगला टोकन इन्हीं में से सैंपल होता है। उनके मुख्य नतीजे p = 0.95 पर हैं।

हर कदम पर सेट का आकार बदलता है:

| अगले टोकन का वितरण | p = 0.9 पर रखे गए टोकन |
| --- | --- |
| एक टोकन 0.95 पर | 1 |
| चार टोकन 0.3, 0.3, 0.2, 0.15 पर | 4 |
| लंबा, सपाट फैलाव | बहुत सारे |

इस तरीक़े का मक़सद यही है। पेपर का तर्क है कि वितरण की “less reliable tail” (अनुवाद: कम भरोसेमंद पूँछ) बिगड़ा हुआ टेक्स्ट पैदा करती है, और उसे काटने से तालमेल खोए बिना अलग-अलग तरह का आउटपुट मिलता है। तय top-k ऐसे नहीं ढल सकता: मॉडल पक्का हो या दुविधा में, वह उतने ही टोकन रखता है।

OpenAI के API में `top_p` की डिफ़ॉल्ट वैल्यू 1 है, यानी कोई कटौती नहीं। रेफ़रंस उदाहरण देता है कि “0.1 means only the tokens comprising the top 10% probability mass are considered.” (अनुवाद: 0.1 का मतलब है कि सिर्फ़ वे टोकन देखे जाते हैं जो ऊपर के 10% प्रायिकता द्रव्यमान में आते हैं।) Hugging Face Transformers में भी डिफ़ॉल्ट 1.0 है, जब तक मॉडल की `generation_config.json` कोई और वैल्यू सेट न करे।

## यह क्यों मायने रखता है

-   **कम अजीब टोकन.** पूँछ काटने से वे दुर्लभ टोकन हट जाते हैं जो टेक्स्ट को भटकाते हैं। लंबे जवाबों और [हैलुसिनेशन](https://broadrouter.com/hi/glossary/hallucination/) के जोखिम के लिए यह अहम है।
-   **temperature के साथ असर.** [टेम्परेचर](https://broadrouter.com/hi/glossary/temperature/) स्कोर पर लगता है; उसके बाद top-p नतीजे को छाँटता है। दोनों को एक साथ ट्यून करने से व्यवहार का अंदाज़ा लगाना मुश्किल हो जाता है, इसीलिए OpenAI एक ही को बदलने की सलाह देता है।
-   **डीबगिंग.** अगर [logprobs](https://broadrouter.com/hi/glossary/logprobs/) दिखाएँ कि मॉडल ने कम प्रायिकता वाला [टोकन](https://broadrouter.com/hi/glossary/token/) चुना, तो कम top-p उसे रोक देता।

top-p से कीमत नहीं बदलती। हर जनरेट हुए टोकन का बिल एक जैसा बनता है।

## BroadNet Inference पर

BroadNet का [API रेफ़रंस](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-glossary-top-p&utm_content=body) `top_p`, `top_k` या उनकी डिफ़ॉल्ट वैल्यू को डॉक्यूमेंट नहीं करता। उसके अनुरोध के उदाहरण इनमें से कोई सेट नहीं करते। OpenAI SDK, `top_p` को आगे भेज देगा, लेकिन कोई मॉडल उसे लागू करता है या नहीं, यह नहीं बताया गया। इसलिए भरोसा करने से पहले अपने प्रॉम्प्ट पर टेस्ट करें। [Python SDK गाइड](https://broadrouter.com/hi/guides/openai-python-sdk/) देखें, और [मॉडल बदलने से पहले उसे परखने](https://broadrouter.com/hi/blog/evaluate-llm-before-switching/) वाली पोस्ट भी, जो बताती है कि तुलना के दौरान सैंपलिंग सेटिंग तय क्यों रखनी चाहिए।

## आम ग़लतियाँ

-   `top_p` और temperature को एक साथ ट्यून करना, और फिर यह पता न होना कि नतीजा किसने बदला।
-   एक मॉडल की सैंपलिंग सेटिंग दूसरे मॉडल पर कॉपी करना। सुझाई गई वैल्यू हर मॉडल के लिए अलग होती हैं।

## अक्सर पूछे जाने वाले सवाल

### top-p और temperature में क्या फ़र्क़ है?

temperature सभी टोकन की प्रायिकताओं का आकार बदलता है। top-p कम संभावित टोकन की पूँछ काट देता है और जो बचता है उसमें से सैंपल करता है। OpenAI सलाह देता है कि दोनों में से एक ही बदलें, दोनों नहीं।

### top-p और top-k में क्या फ़र्क़ है?

top-k टोकन की एक तय संख्या रखता है, जैसे 50। top-p उतने टोकन रखता है जितने प्रायिकता की सीमा तक पहुँचने के लिए चाहिए, इसलिए मॉडल पक्का हो तो सेट छोटा होता है और पक्का न हो तो बड़ा।

### क्या BroadNet, top\_p को डॉक्यूमेंट करता है?

नहीं। BroadNet का API रेफ़रंस किसी भी मॉडल के लिए top\_p या उसकी डिफ़ॉल्ट वैल्यू नहीं बताता। इसे अनुरोध में सेट करें और असर ख़ुद टेस्ट करें।

## यह भी देखें

-   [टेम्परेचर (temperature)](https://broadrouter.com/hi/glossary/temperature/) (शब्द)
-   [लॉगप्रॉब्स (logprobs)](https://broadrouter.com/hi/glossary/logprobs/) (शब्द)
-   [टोकन (token)](https://broadrouter.com/hi/glossary/token/) (शब्द)
-   [हैलुसिनेशन (hallucination)](https://broadrouter.com/hi/glossary/hallucination/) (शब्द)
-   [फ़्रीक्वेंसी और प्रेज़ेंस पेनल्टी](https://broadrouter.com/hi/glossary/frequency-and-presence-penalty/) (शब्द)
-   [BroadNet Inference के साथ OpenAI Python SDK इस्तेमाल करें](https://broadrouter.com/hi/guides/openai-python-sdk/) (गाइड)
-   [प्रोवाइडर बदलने से पहले LLM का मूल्यांकन कैसे करें](https://broadrouter.com/hi/blog/evaluate-llm-before-switching/) (लेख)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

[शुरू करें](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=hi-glossary-top-p&utm_content=page-cta) ·

**स्रोत**

-   [Holtzman और साथी (2019), The Curious Case of Neural Text Degeneration](https://arxiv.org/abs/1904.09751)
-   [OpenAI API रेफ़रंस, chat completion बनाना (top\_p)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Hugging Face Transformers, GenerationConfig (top\_p, top\_k)](https://huggingface.co/docs/transformers/main/en/main_classes/text_generation)
