---
title: "LLM میں top-p کیا ہے؟ Nucleus sampling آسان زبان میں"
description: "top-p یا nucleus sampling صرف ان سب سے ممکنہ ٹوکنز میں سے سیمپل کرتا ہے جن کا مجموعی احتمال p تک پہنچتا ہے۔ یہ کیسے کام کرتا ہے اور temperature سے کیسے مختلف ہے۔"
url: https://broadrouter.com/ur/glossary/top-p/
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/top-p/) (اپ ڈیٹ: 2026-11-14).

# ٹاپ پی (top-p، nucleus sampling)

اپ ڈیٹ 2026-11-14

ٹاپ پی، جسے nucleus sampling بھی کہتے ہیں، ڈیکوڈنگ کا ایک طریقہ ہے جس میں ماڈل اگلا ٹوکن صرف سب سے ممکنہ ٹوکنز کے اس سب سے چھوٹے سیٹ سے چنتا ہے جن کا مجموعی احتمال 0.9 جیسی حد p تک پہنچ جائے، اور باقی کم ممکنہ ٹوکنز چھوڑ دیتا ہے۔

دوسرے نام: ٹاپ پی، ٹاپ پی سیمپلنگ، نیوکلیس سیمپلنگ، top p kya hai، top\_p kya hota hai، top-p، nucleus sampling، top\_p، top-p sampling

ماڈل کوئی ٹوکن چنے، اس سے پہلے top-p طے کرتا ہے کہ کن ٹوکنز کو قرعے میں شامل ہونے دیا جائے۔

## یہ کیسے کام کرتا ہے

Holtzman اور ساتھیوں نے 2019 میں nucleus sampling متعارف کرایا۔ وہ top-p ذخیرۂ الفاظ کو ٹوکنز کا وہ سب سے چھوٹا سیٹ قرار دیتے ہیں جس کا مجموعی (cumulative) احتمال کم از کم p ہو۔ اس سیٹ سے باہر ہر ٹوکن کا احتمال صفر ہو جاتا ہے۔ باقی ٹوکنز کے احتمالات کو دوبارہ اس طرح بانٹا جاتا ہے کہ ان کا مجموعہ ایک ہو، اور اگلا ٹوکن انہی میں سے سیمپل ہوتا ہے۔ ان کے اہم نتائج p = 0.95 پر ہیں۔

ہر قدم پر سیٹ کا سائز بدلتا ہے:

| اگلے ٹوکن کی تقسیم | p = 0.9 پر رکھے گئے ٹوکن |
| --- | --- |
| ایک ٹوکن 0.95 پر | 1 |
| چار ٹوکن 0.3، 0.3، 0.2، 0.15 پر | 4 |
| لمبا، ہموار پھیلاؤ | بہت سے |

اس طریقے کا مقصد یہی ہے۔ مقالہ دلیل دیتا ہے کہ تقسیم کی “less reliable tail” (ترجمہ: کم قابلِ اعتماد دُم) بگڑا ہوا متن پیدا کرتی ہے، اور اسے کاٹنے سے ربط کھوئے بغیر متنوع آؤٹ پٹ ملتا ہے۔ مقررہ top-k اس طرح ڈھل نہیں سکتا: ماڈل پُریقین ہو یا تذبذب میں، وہ اتنے ہی ٹوکن رکھتا ہے۔

OpenAI کے API میں `top_p` کی ڈیفالٹ قدر 1 ہے، یعنی کوئی کٹوتی نہیں۔ ریفرنس مثال دیتا ہے کہ “0.1 means only the tokens comprising the top 10% probability mass are considered.” (ترجمہ: 0.1 کا مطلب ہے کہ صرف وہ ٹوکن دیکھے جاتے ہیں جو اوپر کے 10% احتمالی حصے میں آتے ہیں۔) Hugging Face Transformers میں بھی ڈیفالٹ 1.0 ہے، جب تک ماڈل کی `generation_config.json` کوئی اور قدر سیٹ نہ کرے۔

## یہ کیوں اہم ہے

-   **کم عجیب ٹوکن۔** دُم کاٹنے سے وہ نایاب انتخاب ہٹ جاتے ہیں جو متن کو بھٹکاتے ہیں۔ لمبے جوابات اور [ہیلوسینیشن](https://broadrouter.com/ur/glossary/hallucination/) کے خطرے کے لیے یہ اہم ہے۔
-   **temperature کے ساتھ اثر۔** [ٹمپریچر](https://broadrouter.com/ur/glossary/temperature/) اسکورز پر لگتا ہے؛ پھر top-p نتیجے کو چھانٹتا ہے۔ دونوں کو ایک ساتھ ٹیون کرنے سے رویے کا اندازہ مشکل ہو جاتا ہے، اسی لیے OpenAI صرف ایک کو بدلنے کا مشورہ دیتا ہے۔
-   **ڈی بگنگ۔** اگر [logprobs](https://broadrouter.com/ur/glossary/logprobs/) دکھائیں کہ ماڈل نے کم احتمال والا [ٹوکن](https://broadrouter.com/ur/glossary/token/) چنا، تو کم top-p اسے روک دیتا۔

top-p سے قیمت نہیں بدلتی۔ ہر جنریٹ ہونے والے ٹوکن کا بل ایک جیسا بنتا ہے۔

## BroadNet Inference پر

BroadNet کا [API ریفرنس](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-glossary-top-p&utm_content=body) `top_p`، `top_k` یا ان کی ڈیفالٹ قدروں کو دستاویز نہیں کرتا۔ اس کی درخواستوں کی مثالیں ان میں سے کوئی سیٹ نہیں کرتیں۔ OpenAI SDK، `top_p` کو آگے بھیج دے گا، لیکن کوئی ماڈل اسے لاگو کرتا ہے یا نہیں، یہ نہیں بتایا گیا، اس لیے بھروسا کرنے سے پہلے اپنے پرامپٹس پر جانچ لیں۔ [Python SDK گائیڈ](https://broadrouter.com/ur/guides/openai-python-sdk/) دیکھیں، اور [ماڈل بدلنے سے پہلے اسے پرکھنے](https://broadrouter.com/ur/blog/evaluate-llm-before-switching/) والی پوسٹ بھی، جو بتاتی ہے کہ موازنے کے دوران سیمپلنگ سیٹنگز مقرر کیوں رکھنی چاہییں۔

## عام غلطیاں

-   `top_p` اور temperature کو ایک ساتھ ٹیون کرنا، اور پھر یہ معلوم نہ ہونا کہ نتیجہ کس نے بدلا۔
-   ایک ماڈل کی سیمپلنگ سیٹنگز دوسرے ماڈل پر کاپی کرنا۔ تجویز کردہ قدریں ہر ماڈل کے لیے مختلف ہوتی ہیں۔

## عام سوالات

### top-p اور temperature میں کیا فرق ہے؟

temperature تمام ٹوکنز کے احتمالات کی شکل بدلتا ہے۔ top-p کم ممکنہ ٹوکنز کی دُم کاٹ دیتا ہے اور جو بچتا ہے اس میں سے سیمپل کرتا ہے۔ OpenAI مشورہ دیتا ہے کہ ان میں سے ایک ہی بدلیں، دونوں نہیں۔

### top-p اور top-k میں کیا فرق ہے؟

top-k ٹوکنز کی ایک مقررہ تعداد رکھتا ہے، جیسے 50۔ top-p اتنے ٹوکن رکھتا ہے جتنے احتمال کی حد تک پہنچنے کے لیے چاہییں، اس لیے ماڈل پُریقین ہو تو سیٹ چھوٹا ہوتا ہے اور نہ ہو تو بڑا۔

### کیا BroadNet، top\_p کو دستاویز کرتا ہے؟

نہیں۔ BroadNet کا API ریفرنس کسی بھی ماڈل کے لیے top\_p یا اس کی ڈیفالٹ قدر نہیں بتاتا۔ اسے درخواست میں سیٹ کریں اور اثر خود جانچیں۔

## یہ بھی دیکھیں

-   [ٹمپریچر (temperature)](https://broadrouter.com/ur/glossary/temperature/) (اصطلاح)
-   [لاگ پروبز (logprobs)](https://broadrouter.com/ur/glossary/logprobs/) (اصطلاح)
-   [ٹوکن (token)](https://broadrouter.com/ur/glossary/token/) (اصطلاح)
-   [ہیلوسینیشن (hallucination)](https://broadrouter.com/ur/glossary/hallucination/) (اصطلاح)
-   [فریکوئنسی اور پریزنس پینلٹی](https://broadrouter.com/ur/glossary/frequency-and-presence-penalty/) (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-top-p&utm_content=page-cta) ·

**ذرائع**

-   [Holtzman اور ساتھی (2019)، The Curious Case of Neural Text Degeneration](https://arxiv.org/abs/1904.09751)
-   [OpenAI API ریفرنس، chat completion بنانا (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)
