---
title: "LLM 采样参数：Top-k vs Top-p (一分钟极速版)"
description: "LLM 采样参数：Top-k vs Top-p (一分钟极速版)AI 说话不是确定的，它是按概率“猜”词。"
date: 2026-02-01T04:40:39Z
canonical: https://xiaobox.github.io/p/2026-02-01-llm-cai-yang-can-shu-top-k-vs-top-p-yi-fen-zhong-ji-su-ban/
author: 小盒子
categories: ["AI"]
tags: ["LLM", "Gemini"]
source: https://mp.weixin.qq.com/s/qJBpJVInngM5ABSDETyKKw
license: CC BY-NC-SA 4.0
license_url: https://creativecommons.org/licenses/by-nc-sa/4.0/
---

# LLM 采样参数：Top-k vs Top-p (一分钟极速版)

# LLM 采样参数：Top-k vs Top-p (一分钟极速版)

AI 说话不是确定的，它是按概率“猜”词。这俩参数就是**防止它乱猜的过滤器**，用来控制**抽签范围**与**随机程度**

![图片](https://pub-f29bf2b53160470c9a85250116509a24.r2.dev/post/2026-02-01-llm-cai-yang-can-shu-top-k-vs-top-p-yi-fen-zhong-ji-su-ban/001-21f39fae.png)

## 1. 核心区别

### **Top-k (死板排名)**：**只取前几名**

●*逻辑：* "不管大家分差多少，我只要前 **10** 个人。"

●*缺点：* 容易把合理的第 11 名切掉，或者把离谱的第 10 名选进来。它是**硬截断**。

### **Top-p (动态质量)**：**只取靠谱的**

●*逻辑：* "不限人数，但这些人的成功率加起来要达到 **90%**。"

●*优点：* 确定时它圈子小（严谨），不确定时它圈子大（丰富）。它是**软截断**。

## 2. 怎么调？

### 基本原则

●一次只动一个：可以先动 `top_p`，效果稳定后再考虑叠加。

●从默认值附近小步调整，比一上来极端值（如 top\_p=0.1）更稳

●不要试图寻找“完美通用参数”，根据场景来选择

### 场景 A：要严谨 (代码、数学、事实问答)

**目标：** 别废话，别幻觉，要精准。

**设置：**

●**Top-p**: `0.7` ~ `1.0`（多数时候先别动，或小幅收敛）

●**Top-k**: 视平台而定；如果能设置把它当作 “垃圾词兜底上限”，例如 `20` ~ `100`，不要盲目追求很小

●**Temperature**: `0.0` ~ `0.3`（越低越稳定)

### 场景 B：要人味 (写文案、聊天、头脑风暴)

**目标：** 词汇丰富点，别像个复读机。

**设置：**

●**Top-p**: `0.9` ~ `1.0` (主力参数，保留长尾可能性)

●**Top-k**: `40` ~ `200` (用来剔除极低概率的垃圾词)

●**Temperature**: `0.7` ~ `1.2` （更随机、更发散）

## 3 调参经验

官方的一些文档对这些限制写的比较清楚，比如：

●OpenAI 官方文档反复强调： 一般只调整 `temperature` 或 `top_p` 其中一个，不要两个一起乱调。

●Gemini 3 官方文档明确写了:强烈建议 temperature 保持默认 1.0；把温度调到 1.0 以下可能导致循环或性能下降，尤其在复杂数学 / 推理任务

●在 Vertex AI 的 Gemini 3 Flash 页面里：`topK` 是 固定为 **64**（你并不能随便设 40–100）

所以建议：

●先只调一个：优先从 `temperature` 或 `top_p` 选一个小步微调

●用 Gemini 3 时：先别动 `temperature`，保持 1.0，需要收敛再动 top\_p/top\_k