跳到正文
热点事件持续更新

arXiv发布投机解码目标概率复用优化研究

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

Jungseob Lee 等人在 arXiv 发表题为《Understanding Target Probability Reuse in Speculative Decoding》的研究论文。该工作隶属于 NLP（cs.CL）领域，主要探讨在投机解码过程中，目标模型下一轮次完整上下文分布对树选择的影响。研究团队指出，对于无限制目标模型，保证精确复用目标概率必须依赖于下一轮完整上下文的分布计算。 在实验优化方面，研究提出了一种基于当前上下文单独计算分布并重新排序首词分支的方法。数据表明，当目标通道与独立起草重叠时，该选择规则下的解码速度优于传统的草稿排序方式。特别是在小树预算场景下，这种通过重新排序提升期望接受率的策略效果显著，为提升投机解码效率提供了新的技术路径。

AI 根据报道生成 · 11 小时前更新

最新进展10月22日 12:00
投机解码中目标概率复用的理解与优化

报道时间线

沿着报道，了解事件的不同侧面。

10月22日
  1. arXiv · NLP
    投机解码中目标概率复用的理解与优化

    研究指出，在目标概率用于树分配前，通过当前上下文单独计算分布并重新排序首词分支，能比草稿排序提升期望接受率，尤其在小树预算下效果显著。 在单独目标通道与独立起草重叠时，该选择规则解码速度也快于草稿排序。

本事件热度走势

可比范围当前
7
可比范围峰值
910月22日 17:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。