跳到正文
热点事件持续更新

NarrowSpec:推测解码草稿模型隐藏宽度可缩减

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

2026年11月19日,arXiv NLP分类发布研究NarrowSpec,指出推测解码中草稿模型的隐藏宽度无需匹配目标模型。研究表明,针对Qwen3-8B和GPT-OSS-20B目标模型,DFlash和EAGLE-3等草稿模型的隐藏宽度可缩减至其二分之一或四分之一。在此缩减条件下,系统仍能维持较高的token接受率,验证了该架构在推测解码场景中的有效性。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · NLP
    NarrowSpec: 推测解码中草稿模型隐藏宽度无需匹配目标模型

    研究提出 NarrowSpec,证明在推测解码中,DFlash 和 EAGLE-3 草稿模型的隐藏宽度可缩减至目标模型(Qwen3-8B, GPT-OSS-20B)的二分之一或四分之一,且能维持较高的 token 接受率。

本事件热度走势

可比范围当前
7
可比范围峰值
1011月19日 14:00
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。