---
title: "Top-p sampling — أخذ العينات Top-p"
source: "https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p"
wiki: "systems-analysis.info/int"
article: "Top-p_sampling_—_أخذ_العينات_Top-p"
language: "ar"
categories:
  - "Category:Arabic"
  - "Category:Large language models"
  - "Category:LLM core concepts"
  - "Category:Machine learning"
revision_id: 8231
wiki_created_at: 2026-09-07T01:14:18Z
wiki_modified_at: 2026-09-07T01:14:18Z
downloaded_at: 2026-09-07T23:24:12Z
---

# Top-p sampling — أخذ العينات Top-p

**أخذ العينات Top-p**، المعروف أيضًا باسم **أخذ العينات النووي** (بالإنجليزية: *Nucleus Sampling*)، هو طريقة فك ترميز تصادفية تُستخدم في نماذج اللغة الكبيرة (LLM) لتوليد النصوص. اقتُرحت هذه الطريقة في عام 2019 من قبل آري هولتزمان وآخرين كبديل محسن لطريقة أخذ العينات Top-k الثابتة. تتمثل فكرتها في اختيار مجموعة من المرشحين ديناميكيًا عند كل خطوة توليد بناءً على عتبة احتمالية تراكمية $p$.<sup>[\[1\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-holtzman2019-1)</sup>

## المفهوم

الفكرة الأساسية في Top-p هي اختيار **أصغر** مجموعة ممكنة من التوكنات الأكثر احتمالاً في كل خطوة، بحيث لا يقل مجموع احتمالاتها عن العتبة المحددة $p$ (وهو ما يسمى *النواة*، بالإنجليزية: *nucleus*). رياضيًا، بالنسبة للتوزيع الاحتمالي الشرطي $P(x \mid x_{1:i - 1})$ على المفردات $V$، يمكن تعريف النواة $V^{(p)}$ على النحو التالي:

$\sum\limits_{x \in V^{(p)}}P(x \mid x_{1:i - 1}) \geq p\quad\text{و}\quad\forall\, S \subset V^{(p)}:\ \sum\limits_{x \in S}P(x \mid x_{1:i - 1}) < p.$

بصياغة مكافئة: يتم فرز التوكنات تنازليًا حسب الاحتمال $P(x \mid x_{1:i - 1})$ ثم اختيار **أقصر بادئة** (prefix) يكون مجموع كتلتها الاحتمالية ≥ $p$.<sup>[\[1\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-holtzman2019-1)</sup>

بعد تحديد النواة، تُصفَّر احتمالات التوكنات خارج $V^{(p)}$، بينما يُعاد توزيع الاحتمالات داخل النواة (تطبيعها) ليصبح مجموعها 1. ثم يتم أخذ عينة للتوكن التالي من هذا التوزيع المقتطع.

### التكيف الديناميكي

- في التوزيع "الحاد" (عندما يكون النموذج واثقًا)، تكون النواة صغيرة: بضعة توكنات فقط تكفي لتجاوز الكتلة الاحتمالية $p$، مما يزيد من ترابط النص.
- في التوزيع "المسطح" (عند وجود العديد من التكملات المحتملة)، تكون النواة كبيرة: تتوسع مجموعة الخيارات، مما يزيد من التنوع.<sup>[\[1\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-holtzman2019-1)</sup>

## مقارنة مع طرق فك الترميز الأخرى

### Top-p vs. Top-k - مقارنة بين Top-p و Top-k

- **Top-k** تختار دائمًا من بين عدد ثابت $k$ من التوكنات الأكثر احتمالاً. في التوزيعات "الحادة"، قد يؤدي هذا إلى إضافة خيارات غير محتملة لمجرد إكمال العدد $k$، أما في التوزيعات "المسطحة"، فقد يؤدي إلى استبعاد تكملات معقولة لم تقع ضمن أفضل $k$ خيار.
- **Top-p** تعدل حجم مجموعة المرشحين بناءً على بيانات الخطوة الحالية، مما يجعل سلوكها أكثر مرونة واستقرارًا عبر أنواع مختلفة من التوزيعات.<sup>[\[1\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-holtzman2019-1)</sup>

### Top-p vs. Temperature - مقارنة بين Top-p ودرجة الحرارة

- **درجة الحرارة** (*temperature*) تعيد تشكيل التوزيع الاحتمالي بأكمله (بجعله أكثر حدة أو أكثر سلاسة)، لكنها **لا تستبعد** أي توكنات، حيث تحتفظ حتى الخيارات الأقل احتمالاً بفرصة ضئيلة للظهور.<sup>[\[2\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-hf-gen-2)</sup>
- **Top-p** تفرض **قطعًا صارمًا لذيل** التوزيع، حيث يتم استبعاد التوكنات ذات الاحتمالية المنخفضة تمامًا من عملية أخذ العينات، مما يساعد على منع ظهور تكملات غير مناسبة بشكل واضح.<sup>[\[1\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-holtzman2019-1)</sup>

نصيحة عملية من مزودي الخدمات: عند ضبط الأسلوب أو العشوائية، عادةً ما يتم تعديل \`temperature\` **أو** \`top_p\`، وليس كليهما في نفس الوقت، وذلك لتجنب التأثير "المزدوج" على التوزيع وتبسيط عملية التشخيص.<sup>[\[3\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-azure-rec-3)</sup>

## التطبيق العملي والتوصيات

تُستخدم طريقة Top-p على نطاق واسع في نماذج اللغة الكبيرة الحديثة بفضل جمعها بين المرونة والقدرة على التحكم.

- **نطاق القيم النموذجي.** عمليًا، غالبًا ما تُستخدم قيم $p \approx 0.90\text{–}0.95$ (انظر الأدلة والأمثلة في Transformers؛ وفي العديد من حزم SDK، تظهر القيمة **0.95** كقيمة "افتراضية" أو موصى بها في الأمثلة).<sup>[\[2\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-hf-gen-2)[\[4\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-vertex-params-4)</sup>
  - القيم القريبة من 1.0 (مثل 0.98–0.99) تزيد من التنوع، حيث يدخل عدد أكبر من التوكنات إلى النواة.
  - القيم الصغيرة (مثل 0.80–0.90) تزيد من حتمية المخرجات وتجعلها أكثر "تحفظًا".
  - عند $p = 1$، يختفي الاقتطاع: يتم الاختيار من كامل المفردات (مع مراعاة درجة الحرارة).<sup>[\[2\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-hf-gen-2)</sup>

<!-- -->

- **التوافق مع المكتبات وواجهات برمجة التطبيقات (API).**
  - في مكتبة Transformers، تم تنفيذ *TopPLogitsWarper* الذي يستخدم عتبة إضافية \`min_tokens_to_keep\` (عادةً ≥1) لمنع انحطاط النواة عند استخدام قيم $p$ صغيرة جدًا وفي التوزيعات "الحادة".<sup>[\[5\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-hf-warp-5)</sup>
  - في بعض واجهات برمجة التطبيقات، يكون المعامل \`top_p\` متاحًا بينما قد لا يكون \`top_k\` موجودًا؛ يعتمد دعم المعاملات ودلالاتها **على النموذج أو المزود المحدد** (على سبيل المثال، قد تحد بعض نماذج الاستدلال (reasoning models) من إمكانية ضبط العشوائية). انظر المراجع الرسمية لـ OpenAI/Azure/Google.<sup>[\[6\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-openai-top-p-6)[\[3\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-azure-rec-3)[\[4\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-vertex-params-4)</sup>

<!-- -->

- **النصوص الطويلة والتكرار.** أظهرت سلسلة من التجارب أن أخذ العينات النووي (nucleus sampling) يقلل من الميل إلى الانحطاط (التكرار والعبارات المبتذلة) مقارنة بالخوارزميات الجشعة (greedy) والبحث بالشعاع (beam search) وطريقة Top-k الثابتة، خاصة في التسلسلات الطويلة.<sup>[\[1\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-holtzman2019-1)[\[7\]](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_note-tan2024-7)</sup>

## انظر أيضًا

- درجة الحرارة
- نماذج اللغة الكبيرة

## المراجع

- Holtzman, A. et al. (2020). *The Curious Case of Neural Text Degeneration*. <a href="https://arxiv.org/abs/1904.09751" class="external text" rel="nofollow">arXiv:1904.09751</a>.
- Fan, A. et al. (2018). *Hierarchical Neural Story Generation*. <a href="https://arxiv.org/abs/1805.04833" class="external text" rel="nofollow">arXiv:1805.04833</a>.
- Meister, C. et al. (2023). *Locally Typical Sampling*. <a href="https://arxiv.org/abs/2202.00666" class="external text" rel="nofollow">arXiv:2202.00666</a>.
- Su, Y.; Collier, N. (2022). *Contrastive Search Is What You Need for Neural Text Generation*. <a href="https://arxiv.org/abs/2210.14140" class="external text" rel="nofollow">arXiv:2210.14140</a>.
- O’Brien, S.; Lewis, M. (2023). *Contrastive Decoding Improves Reasoning in Large Language Models*. <a href="https://arxiv.org/abs/2309.09117" class="external text" rel="nofollow">arXiv:2309.09117</a>.
- Yu, S. et al. (2023). *Conformal Nucleus Sampling*. <a href="https://aclanthology.org/2023.findings-acl.3.pdf" class="external text" rel="nofollow">ACL Findings 2023</a>.
- Tan, Q. et al. (2024). *A Thorough Examination of Decoding Methods in the Era of Large Language Models*. <a href="https://arxiv.org/abs/2402.06925" class="external text" rel="nofollow">arXiv:2402.06925</a>.
- Finlayson, M. et al. (2024). *Basis‑Aware Truncation Sampling for Neural Text Generation*. <a href="https://arxiv.org/abs/2412.14352" class="external text" rel="nofollow">arXiv:2412.14352</a>.
- Chen, S. J. et al. (2025). *Decoding Game: On Minimax Optimality of Heuristic Text Generation Methods*. <a href="https://arxiv.org/abs/2410.03968" class="external text" rel="nofollow">arXiv:2410.03968</a>.
- Sen, J. et al. (2025). *Advancing Decoding Strategies: Enhancements in Locally Typical Sampling for LLMs*. <a href="https://arxiv.org/abs/2506.05387" class="external text" rel="nofollow">arXiv:2506.05387</a>.

## ملاحظات

1.  <span id="cite_note-holtzman2019-1">↑ <sup>[1.0](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-holtzman2019_1-0)</sup> <sup>[1.1](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-holtzman2019_1-1)</sup> <sup>[1.2](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-holtzman2019_1-2)</sup> <sup>[1.3](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-holtzman2019_1-3)</sup> <sup>[1.4](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-holtzman2019_1-4)</sup> <sup>[1.5](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-holtzman2019_1-5)</sup> Holtzman, A., Buys, J., Du, L., Forbes, M., & Choi, Y. (2019). *The Curious Case of Neural Text Degeneration*. arXiv:1904.09751. <a href="https://arxiv.org/abs/1904.09751" class="external autonumber" rel="nofollow">[١]</a></span>
2.  <span id="cite_note-hf-gen-2">↑ <sup>[2.0](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-hf-gen_2-0)</sup> <sup>[2.1](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-hf-gen_2-1)</sup> <sup>[2.2](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-hf-gen_2-2)</sup> Hugging Face Transformers. *Generation strategies (top‑k, top‑p, temperature)*. <a href="https://huggingface.co/docs/transformers/main/en/generation_strategies" class="external autonumber" rel="nofollow">[٢]</a></span>
3.  <span id="cite_note-azure-rec-3">↑ <sup>[3.0](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-azure-rec_3-0)</sup> <sup>[3.1](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-azure-rec_3-1)</sup> Microsoft Learn (Azure OpenAI). *Text/Chat Completions — parameters*. توصية "تغيير temperature **أو** top_p، ولكن ليس كليهما في نفس الوقت". <a href="https://learn.microsoft.com/en-us/azure/ai-services/openai/how-to/completions" class="external autonumber" rel="nofollow">[٣]</a></span>
4.  <span id="cite_note-vertex-params-4">↑ <sup>[4.0](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-vertex-params_4-0)</sup> <sup>[4.1](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-vertex-params_4-1)</sup> Google AI / Vertex AI. *Generation parameters (topP/topK) for text/Gemini*. أمثلة مع topP≈0.95. <a href="https://ai.google.dev/gemini-api/docs/parameters" class="external autonumber" rel="nofollow">[٤]</a> <a href="https://cloud.google.com/vertex-ai/generative-ai/docs/model-reference/text#parameters" class="external autonumber" rel="nofollow">[٥]</a></span>
5.  <span id="cite_note-hf-warp-5">[↑](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-hf-warp_5-0) Transformers API. *TopPLogitsWarper* (parameters and behavior, including \`min_tokens_to_keep\`). <a href="https://huggingface.co/docs/transformers/main/en/main_classes/text_generation#transformers.TopPLogitsWarper" class="external autonumber" rel="nofollow">[٦]</a></span>
6.  <span id="cite_note-openai-top-p-6">[↑](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-openai-top-p_6-0) OpenAI API Reference. *top_p*. <a href="https://platform.openai.com/docs/api-reference/chat/create#chat-create-top_p" class="external autonumber" rel="nofollow">[٧]</a></span>
7.  <span id="cite_note-tan2024-7">[↑](https://systems-analysis.info/int/Top-p_sampling_%E2%80%94_%D8%A3%D8%AE%D8%B0_%D8%A7%D9%84%D8%B9%D9%8A%D9%86%D8%A7%D8%AA_Top-p#cite_ref-tan2024_7-0) Tan, Q. et al. (2024). *A Thorough Examination of Decoding Methods in the Era of Large Language Models*. arXiv:2402.06925. <a href="https://arxiv.org/abs/2402.06925" class="external autonumber" rel="nofollow">[٨]</a></span>