核心取樣（nucleus sampling，top-p）

核心取樣更常被稱作 top-p，它修補了 top-k 的盲點：依模型自己的把握度來決定候選池大小。你選定一個機率質量 p——常見是 0.9——方法就從機率最高的詞元往下收集，直到它們的機率加總首次達到至少 p。這個集合就是「核心（nucleus）」；長尾全部丟棄，核心重新正規化，再從中取樣下一個詞元。

美妙之處在於這份短名單會隨脈絡呼吸。當模型有把握時，可能兩個詞元就已涵蓋九成的質量，核心因此很小，輸出穩穩不跑偏。當它不確定時，得收進好幾十個詞元才湊到 p，核心於是變寬，創意空間也隨之打開。top-p 設在 0.9 至 0.95、再配一個適中的溫度，是聊天與創意寫作的日常預設，而且常疊在溫度設定之上一起用。