TRACEQUERY稀疏解码框架提出

2026年10月27日，Yukai Jin等人在arXiv上发表论文，提出名为TRACEQUERY的轻量级稀疏解码框架。该框架专用于扩散大语言模型，旨在通过稀疏计算显著降低推理过程中的重计算开销。 TRACEQUERY的核心机制基于全去噪轨迹的查询引导解码。它首先预测一组近期轨迹相关位置，仅对这些候选位置执行查询，随后由骨干网络从新鲜预测中选择最终提交项。这种按需重计算方式避免了全量计算，提高了效率。 该框架在生成质量与计算量权衡上优于现有的缓存方法，并具备跨任务与跨模型的泛化能力。尽管报道仅陈述其技术优势，但未提供具体基准测试数据或错误率对比，事实认定限于其提出的核心方法原理及相对现有技术的定性比较。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。