可以利用从分布密度函数图下的区域均匀抽样，从分布中进行抽样的原理，构造出适应被抽样分布特征的马尔可夫链抽样方法。收敛于这种均匀分布的马尔可夫链可以通过在垂直方向上交替均匀采样与从当前垂直位置定义的水平“切片”进行均匀采样来构建，或者更一般地说，通过一些更新使该切片上的均匀分布保持不变。这种“切片采样”方法很容易用于单变量分布，并且可以通过依次更新每个变量来从多元分布中采样。这种方法通常比Gibbs采样更容易实现，也比简单的Metropolis更新更高效，因为切片采样能够自适应地选择所做更改的幅度。因此，它对常规和自动化使用具有吸引力。也可以使用同时更新所有变量的切片采样方法。这些方法可以根据密度函数的局部特性自适应地选择每个变量的变化幅度。更雄心勃勃的是，这种方法可以通过构造局部二次近似来适应变量之间的依赖关系。另一种方法是通过抑制随机游走来提高采样效率。对于通过“过度松弛”进行的单变量切片采样，以及通过切片边缘的“反射”进行的多元切片采样，都可以做到这一点。