---
title: "Logprobs کیا ہیں؟ LLM API میں ٹوکن کے لاگ احتمالات | BroadRouter"
description: "Logprobs وہ لاگ احتمالات ہیں جو ماڈل ہر آؤٹ پٹ ٹوکن کو دیتا ہے۔ logprobs اور top_logprobs فیلڈز کیسے کام کرتے ہیں، اور اعتماد کی جانچ میں انہیں کیسے استعمال کریں۔"
url: https://broadrouter.com/ur/glossary/logprobs/
lang: ur
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/glossary/logprobs/) (اپ ڈیٹ: 2026-11-14).

# لاگ پروبز (logprobs)

اپ ڈیٹ 2026-11-14

لاگ پروبز وہ لاگ احتمالات ہیں جو لینگویج ماڈل نے اپنے جنریٹ کیے گئے ٹوکنز کو دیے۔ انہیں لوٹانے والا API ہر آؤٹ پٹ ٹوکن کے لیے دکھاتا ہے کہ ماڈل نے اسے کتنا ممکن سمجھا، اور چاہیں تو اس جگہ کے سب سے ممکنہ متبادل ٹوکن بھی۔

دوسرے نام: لاگ پروبز، لاگ احتمالات، ٹوکن احتمالات، logprobs kya hai، logprobs kya hote hain، logprobs، log probabilities، token log probabilities، top\_logprobs، token probabilities

ماڈل جو بھی ٹوکن لکھتا ہے، وہ ایک احتمالی تقسیم سے چنا جاتا ہے۔ لاگ پروبز اس تقسیم کو، ایک ایک ٹوکن کر کے، سامنے لاتے ہیں۔

## یہ کیسے کام کرتے ہیں

ہر قدم پر ماڈل اپنے ذخیرۂ الفاظ کے ہر [ٹوکن](https://broadrouter.com/ur/glossary/token/) کو اسکور دیتا ہے اور اسکورز کو احتمالات میں بدلتا ہے۔ API چنے گئے ٹوکن کے احتمال کا قدرتی لاگ (natural log) بتا سکتا ہے۔ لاگ اس لیے لیا جاتا ہے کیونکہ اصل اعداد بہت چھوٹے ہو جاتے ہیں؛ لاگ جمع کرنا احتمالات کو ضرب دینے کے برابر ہے۔

OpenAI کے Chat Completions API میں انہیں درخواست کے دو فیلڈز سے مانگا جاتا ہے:

-   `logprobs: true` ہر آؤٹ پٹ ٹوکن کا لاگ احتمال لوٹاتا ہے۔
-   `top_logprobs` “an integer between 0 and 20” (ترجمہ: 0 اور 20 کے درمیان ایک عدد صحیح) ہے، جو بتاتا ہے کہ ہر جگہ کتنے ممکنہ متبادل دکھائے جائیں۔ اس کے لیے `logprobs: true` ضروری ہے۔

`choices[0].logprobs.content` کی ہر اندراج میں `token`، اس کا `logprob`، اس کے UTF-8 `bytes` اور ایک `top_logprobs` فہرست ہوتی ہے۔ `exp(logprob)` سے بدلیں:

| logprob | احتمال |
| --- | --- |
| 0 | 1.00 |
| \-0.105 | تقریباً 0.90 |
| \-0.693 | تقریباً 0.50 |
| \-2.303 | تقریباً 0.10 |

## یہ کیوں اہم ہیں

OpenAI کی cookbook ان کے عملی استعمال بتاتی ہے:

-   **درجہ بندی کا اعتماد۔** ایک لفظ کا لیبل مانگیں اور اس ٹوکن کا logprob پڑھیں۔ کم اعتماد والے آئٹمز انسان کو بھیجیں۔
-   **ریٹریول کی جانچ۔** پوچھیں کہ دیا گیا کانٹیکسٹ سوال کا جواب دیتا ہے یا نہیں، اور “yes” کے احتمال کو اسکور مانیں۔ cookbook اسے [ہیلوسینیشن](https://broadrouter.com/ur/glossary/hallucination/) کم کرنے سے جوڑتی ہے۔
-   **آٹو کمپلیٹ۔** اگلا لفظ تبھی تجویز کریں جب ماڈل پُراعتماد ہو۔
-   **Perplexity۔** پورے جواب کے logprobs کا اوسط لیں، اس کی علامت الٹ دیں اور e کی اتنی طاقت لیں۔ کم perplexity کا مطلب ہے کہ ماڈل کو متن زیادہ قابلِ پیش گوئی لگا۔

لاگ پروبز سیمپلنگ کو بھی نظر آنے کے قابل بناتے ہیں۔ [ٹمپریچر](https://broadrouter.com/ur/glossary/temperature/) یا [top-p](https://broadrouter.com/ur/glossary/top-p/) بڑھانے سے کم احتمال والے ٹوکن اندر آنے لگتے ہیں، اور logprobs یہ دکھا دیتے ہیں۔ یہ [LLM-as-judge](https://broadrouter.com/ur/glossary/llm-as-judge/) مرحلے کا سستا ساتھی ہیں، کیونکہ یہ کسی اضافی درخواست کے بغیر جواب کے ساتھ ہی آتے ہیں۔

## BroadNet Inference پر

BroadNet کا [API ریفرنس](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-glossary-logprobs&utm_content=body) کسی بھی ماڈل کے لیے `logprobs` یا `top_logprobs` دستاویز نہیں کرتا۔ یہ فرض نہ کریں کہ کوئی OpenAI-compatible اینڈپوائنٹ انہیں لوٹائے گا ہی۔ `logprobs: true` کے ساتھ ایک درخواست بھیجیں، دیکھیں کہ `choices[0].logprobs` بھرا ہے یا نہیں، اور نہ ہو تو جج پرامپٹ جیسا کوئی فال بیک طے کریں۔ ٹیسٹ کے لیے کلائنٹ سیٹ اپ [Python SDK گائیڈ](https://broadrouter.com/ur/guides/openai-python-sdk/) میں ہے۔

## عام غلطیاں

-   اونچے logprob کو درست حقیقت کا ثبوت سمجھ لینا۔ اس کا مطلب صرف اتنا ہے کہ ماڈل کو اسی ٹوکن کی توقع تھی۔
-   مختلف ماڈلز کے logprobs کا موازنہ کرنا۔ ٹوکنائزر اور کیلیبریشن مختلف ہوتے ہیں، اس لیے اعداد ایک پیمانے پر نہیں ہوتے۔

## عام سوالات

### logprob کو فیصد میں کیسے بدلیں؟

e کی طاقت logprob لیں۔ -0.105 کا logprob تقریباً 0.90، یعنی 90% ہے۔ 0 کا logprob مطلب ماڈل نے اس ٹوکن کو احتمال 1 دیا۔

### کیا logprobs بتاتے ہیں کہ جواب سچ ہے؟

نہیں۔ یہ بتاتے ہیں کہ ماڈل اپنے الفاظ کے بارے میں کتنا پُراعتماد تھا، یہ نہیں کہ حقیقت درست ہے۔ ماڈل پورے اعتماد کے ساتھ غلط ہو سکتا ہے۔

### کیا BroadNet Inference، logprobs لوٹاتا ہے؟

BroadNet کا API ریفرنس logprobs کو دستاویز نہیں کرتا۔ logprobs کو true رکھ کر ایک ٹیسٹ درخواست بھیجیں اور اس پر کچھ بنانے سے پہلے جواب دیکھ لیں۔

## یہ بھی دیکھیں

-   [ٹوکن (token)](https://broadrouter.com/ur/glossary/token/) (اصطلاح)
-   [ٹمپریچر (temperature)](https://broadrouter.com/ur/glossary/temperature/) (اصطلاح)
-   [ٹاپ پی (top-p، nucleus sampling)](https://broadrouter.com/ur/glossary/top-p/) (اصطلاح)
-   [ہیلوسینیشن (hallucination)](https://broadrouter.com/ur/glossary/hallucination/) (اصطلاح)
-   [LLM-as-a-judge (LLM جج)](https://broadrouter.com/ur/glossary/llm-as-judge/) (اصطلاح)
-   [BroadNet Inference کے ساتھ OpenAI Python SDK استعمال کریں](https://broadrouter.com/ur/guides/openai-python-sdk/) (گائیڈ)
-   [فراہم کنندہ بدلنے سے پہلے LLM کی جانچ کیسے کریں](https://broadrouter.com/ur/blog/evaluate-llm-before-switching/) (مضمون)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

[شروع کریں](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-glossary-logprobs&utm_content=page-cta) ·

**ذرائع**

-   [OpenAI API ریفرنس، chat completion بنانا (logprobs، top\_logprobs)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [OpenAI Cookbook، logprobs کا استعمال](https://developers.openai.com/cookbook/examples/using_logprobs)
-   [BroadNet Inference API ریفرنس (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-glossary-logprobs&utm_content=sources)
