Lấy mẫu tối thiểu là phương pháp lấy mẫu thu hẹp các ứng cử viên bằng cách xác định động giá trị ngưỡng dựa trên tỷ lệ tương đối với mã thông báo xác suất tối đa khi chọn mã thông báo tiếp theo trong LLM.
Lấy mẫu Min-p là phương pháp được đề xuất làm phương pháp chọn mã thông báo để thay thế top-p và top-k. Giá trị ngưỡng là xác suất của mã thông báo có xác suất cao nhất nhân với một hệ số nhất định (dựa trên p) và các ứng cử viên dưới đây sẽ bị loại bỏ và xổ số được rút ra từ phần còn lại. Trong khi top-p cắt ngưỡng dựa trên giá trị tích lũy của xác suất, min-p tự động mở rộng và thu hẹp ngưỡng dựa trên so sánh tương đối với mã thông báo xác suất tối đa, do đó, khi mô hình tự tin, mô hình sẽ thu hẹp các lựa chọn và khi không chắc chắn, nó sẽ mở rộng các lựa chọn. Nó đang được triển khai trong các công cụ suy luận lớn như llama.cpp và vLLM, và đến năm 2026, nó dự kiến sẽ được áp dụng rộng rãi cho các hoạt động LLM cục bộ và tạo văn bản sáng tạo. Tuy nhiên, trong hoạt động thực tế tại hiện trường, nếu sử dụng giá trị p theo nghĩa top-p, đầu ra có thể bị đơn điệu hoặc bị hỏng và có những cạm bẫy như chi phí điều chỉnh lại cho từng mô hình hoặc nhiệm vụ. Chi phí tính toán bổ sung ngang bằng với top-p nên không có sự khác biệt lớn về giá trị thị trường nên khi lựa chọn, tiêu chuẩn trong lĩnh vực này là chọn Min-p nếu ưu tiên chất lượng và top-k/top-p truyền thống nếu ưu tiên tốc độ.