Min-p サンプリングの使い方や活用例を教えてください

代表的な活用例は次のとおりです。temperature=0.8、min_p=0.05に設定すると、確信度が高い場面では選択肢を絞り、迷う場面では広げる挙動になる。/top_p=0.9の代わりにmin_p=0.1を使うローカルLLM設定は、llama.cppのオプションで広く見られる。

AI用語辞典LLM / 言語モデル

Min-p サンプリング

読み: みにっぴーさんぷりんぐ

最終更新: 2026-08-01・AI PICKS編集部

定義

Min-pサンプリングとは、LLMの次トークン選択で最大確率トークンに対する相対的な比率でしきい値を動的に決め、候補を絞り込むサンプリング手法のこと。

Min-p サンプリングとは — 詳しく解説

Min-pサンプリングは、top-pやtop-kに代わるトークン選択方式として提案された手法で、最も確率の高いトークンの確率に一定の係数(pベース)を掛けた値をしきい値とし、それを下回る候補を切り捨てて残りから抽選する。top-pが確率の累積値で足切りするのに対し、Min-pは最大確率トークンとの相対比較で動的にしきい値が伸縮するため、モデルが自信を持っている場面では選択肢を狭め、迷っている場面では選択肢を広げる挙動になるとされる。llama.cppやvLLMなど主要な推論エンジンで実装が進み、2026年時点ではローカルLLM運用や創造的な文章生成用途で採用例が広がっているとされる。ただし現場での実運用では、p値をtop-pの感覚のまま流用すると出力が単調または破綻しやすく、モデルやタスクごとにチューニングし直すコストが発生する落とし穴がある。追加の計算コストはtop-pと同水準で相場感として大きな差はないため、選ぶ際は品質重視ならMin-p、速度最優先なら従来のtop-k/top-pという住み分けが現場での目安とされる。