llama : add comments [no ci]

include/llama.h

@@ -1036,23 +1036,33 @@ extern "C" {
 
     LLAMA_API void llama_sampling_free(struct llama_sampling * smpl);
 
+    // Copies the internal state of the sampler (rng, prev, params, grammar, etc.)
     LLAMA_API struct llama_sampling * llama_sampling_cp(const struct llama_sampling * smpl);
 
     // - clear prev token
     // - reset grammar state
     LLAMA_API void llama_sampling_reset(struct llama_sampling * smpl);
 
-    LLAMA_API void llama_sampling_set_rng_seed  (struct llama_sampling * smpl, uint32_t seed);
+    // Sampling parameter mutation
+    // TODO: not sure if we want to keep these. Maybe it's better to keep llama_sampling immutable
     LLAMA_API void llama_sampling_set_grammar   (struct llama_sampling * smpl, const char * grammar_str, const char * grammar_root);
     LLAMA_API void llama_sampling_set_logit_bias(struct llama_sampling * smpl, int32_t n_logit_bias, const llama_logit_bias * logit_bias);
 
+    // Set the logits from which to sample.
+    // This call initializes the internal token candidates array.
+    // The internal candidates are implicitly used by the sampling API below when no candidates are provided.
     LLAMA_API void llama_sampling_set_logits(
             struct llama_sampling * smpl,
                       const float * logits);
 
+    /// @details Returns the current candidate tokens.
     LLAMA_API llama_token_data_array * llama_sampling_get_candidates(
             struct llama_sampling * smpl);
 
+    // The llama_sampling_ API below uses the parameters passed during the creation of the llama_sampling object.
+    // Each function can accept an array of token candidates. If the candidates are not provided, the internal
+    // candidates are used. The internal candidates are initialized by llama_sampling_set_logits().
+
     /// @details Sorts candidate tokens by their logits in descending order and calculate probabilities based on logits.
     LLAMA_API void llama_sampling_softmax(
             struct llama_sampling * smpl,
@@ -1115,17 +1125,22 @@ extern "C" {
             struct llama_sampling * smpl,
            llama_token_data_array * candidates);
 
-    /// @details Sample a token using the configured samplers.
+    /// @details Sample a token using the configured samplers (see "llama_sampling_params.samplers").
     LLAMA_API llama_token llama_sampling_sample(
             struct llama_sampling * smpl,
            llama_token_data_array * candidates);
 
-    /// @details Accepts the sampled token into the sampling context
+    /// @details Accepts the sampled token into the sampling context.
+    ///  - adds it to "prev" tokens
+    ///  - updates the grammar state (if apply_grammar is true)
     LLAMA_API void llama_sampling_accept(
             struct llama_sampling * smpl,
                       llama_token   token,
                              bool   apply_grammar);
 
+    /// @details Get the number of accepted tokens so far (max of n_prev)
+    LLAMA_API int llama_sampling_n_prev(const struct llama_sampling * smpl);
+
     /// @details Get the ith accepted token
     /// @param ith [0, n_prev), ith == 0 is the last accepted token.
     /// returns LLAMA_TOKEN_NULL if ith is out of bounds
@@ -1138,9 +1153,6 @@ extern "C" {
     /// returns LLAMA_TOKEN_NULL if there are no accepted tokens
     LLAMA_API llama_token llama_sampling_last(const struct llama_sampling * smpl);
 
-    /// @details Get the number of accepted tokens (max of n_prev)
-    LLAMA_API int llama_sampling_n_prev(const struct llama_sampling * smpl);
-
     //
     // Model split
     //

src/llama-sampling.cpp

@@ -186,10 +186,12 @@ void llama_sampling_top_k_impl(llama_token_data_array * candidates, int32_t k, s
             int ib = nbuckets - 1;
             for ( ; ib >= 0; --ib) {
                 nhave += histo[ib];
-                if (nhave >= k) break;
+                if (nhave >= k) {
+                    break;
+                }
             }
             std::vector<llama_token_data> tmp_tokens(nhave);
-            auto ptr = tmp_tokens.data();
+            auto * ptr = tmp_tokens.data();
             std::vector<llama_token_data*> bucket_ptrs;
             bucket_ptrs.reserve(nbuckets - ib);
             for (int j = nbuckets - 1; j >= ib; --j) {
@@ -573,6 +575,7 @@ llama_token llama_sampling_sample_mirostat_v2_impl(struct llama_token_data_array
     size_t X_idx = std::distance(candidates->data, std::find_if(candidates->data, candidates->data + candidates->size, [&](const llama_token_data & candidate) {
         return candidate.id == X;
     }));
+
     float observed_surprise = -log2f(candidates->data[X_idx].p);
     float e = observed_surprise - tau;
 

src/llama-sampling.h

@@ -98,10 +98,10 @@ llama_token llama_sampling_sample_mirostat_impl   (struct llama_token_data_array
 /// @param mu Maximum cross-entropy. This value is initialized to be twice the target cross-entropy (`2 * tau`) and is updated in the algorithm based on the error between the target and observed surprisal.
 llama_token llama_sampling_sample_mirostat_v2_impl(struct llama_token_data_array * candidates, std::mt19937 & rng, float tau, float eta, float & mu);
 
-llama_token llama_sampling_sample_greedy_impl     (struct llama_token_data_array * candidates);
-llama_token llama_sampling_sample_dist_impl       (struct llama_token_data_array * candidates, std::mt19937 & rng);
+llama_token llama_sampling_sample_greedy_impl(struct llama_token_data_array * candidates);
+llama_token llama_sampling_sample_dist_impl  (struct llama_token_data_array * candidates, std::mt19937 & rng);
 
 void llama_sampling_accept_impl(struct llama_sampling & smpl, llama_token token, bool apply_grammar);
 
-llama_token llama_sampling_prev_impl(const struct llama_sampling & smpl, int ith);
+llama_token llama_sampling_prev_impl  (const struct llama_sampling & smpl, int ith);
 int         llama_sampling_n_prev_impl(const struct llama_sampling & smpl);

src/llama.cpp

@@ -20106,10 +20106,6 @@ void llama_sampling_reset(struct llama_sampling * smpl) {
     llama_sampling_reset_impl(*smpl);
 }
 
-void llama_sampling_set_rng_seed(struct llama_sampling * smpl, uint32_t seed) {
-    llama_sampling_set_rng_seed_impl(*smpl, seed);
-}
-
 void llama_sampling_set_grammar(struct llama_sampling * smpl, const char * grammar_str, const char * grammar_root) {
     llama_sampling_set_grammar_impl(*smpl, grammar_str, grammar_root);
 }
@@ -20414,6 +20410,10 @@ void llama_sampling_accept(
     smpl->n_accept++;
 }
 
+int llama_sampling_n_prev(const struct llama_sampling * smpl) {
+    return llama_sampling_n_prev_impl(*smpl);
+}
+
 llama_token llama_sampling_prev(const struct llama_sampling * smpl, int32_t ith) {
     return llama_sampling_prev_impl(*smpl, ith);
 }
@@ -20422,10 +20422,6 @@ llama_token llama_sampling_last(const struct llama_sampling * smpl) {
     return llama_sampling_prev_impl(*smpl, 0);
 }
 
-int llama_sampling_n_prev(const struct llama_sampling * smpl) {
-    return llama_sampling_n_prev_impl(*smpl);
-}
-
 //
 // model split
 //