Top-P采样（又称nucleus sampling，核采样）是一种动态截断采样策略。模型在每一步生成时，将候选token按概率从高到低排序，累加概率直到达到阈值p（如0.9），仅从这个最小集合中按概率重新归一化采样。 与固定选top-k个不同，top-p的候选集大小是动态的：当模型很确定时（一个token概率就超过p），候选集可能只有1个；当模型不确定时（概率分散），候选集会扩大。这种自适应性能在保持生成质量的同时引入合理多样性。 常见配置为top_p=0.9-1.0。它通常与temperature配合：先用温度调节分布形状，再用top_p截断长尾。OpenAI等厂商建议二选一调整，不要同时大幅改动。