Speculative Probing: LLM Monitoring at Speculative-Decoding Cost
Cornell Tech(康奈尔科技学院)
该研究提出将LLM的推测解码模块改造为序列分类器,在可忽略开销下实现高效分类,其小型探测模型在多任务上优于零样本GPT-5.4-mini,部分任务性能匹配专用8B安全分类器。
2026-08-31 cs.AI cs.CL
Constrained Decoding with Speculative Lookaheads
Purdue University(普渡大学);AWS AI Labs(AWS AI实验室)
针对基于前瞻启发式的约束解码(CDLH)成本高、贪心解码约束满足度低的问题,提出CDSL技术,受推测解码启发用草稿模型生成前瞻并结合目标LLM与任务奖励验证,在保持性能的同时实现2.2-12.15倍加速。
2025-02-10 cs.AI cs.CL
RACER: Retrieval-Augmented Contextual Rapid Speculative Decoding
School of Artificial Intelligence, Wuhan University(武汉大学人工智能学院);School of Computer Science, Wuhan University(武汉大学计算机学院);School of Information Management, Wuhan University(武汉大学信息管理学院);School of Computer Science, Shanghai Jiao Tong University(上海交通大学计算机学院)
RACER通过整合检索的精确模式与logit驱动的未来提示,提升大语言模型的推理效率,实现超过2倍的加速,优于现有无训练方法。
2026-04-16 cs.AI cs.CL
TETRIS: Optimal Draft Token Selection for Batch Speculative Decoding
Singapore-MIT Alliance for Research and Technology(新加坡-麻省理工联合研究技术联盟);Dept. of Computer Science, National University of Singapore(新加坡国立大学计算机科学系);CSAIL, Massachusetts Institute of Technology(麻省理工学院计算机科学与人工智能实验室)
提出TETRIS方法,通过在批处理投机解码中为每个请求主动选择最优草稿Token,提升接受率并减少资源浪费,实现大语言模型更高效的批处理推理。
2025-05-30 cs.AI cs.CL
Entropy-Aware Token Rejection for Improving Speculative Decoding
School of Economics and Management(经济管理学院)
基于熵的推测解码通过动态熵惩罚提升大语言模型推理性能,实验表明其在多数情况下优于目标模型。
2026-09-01 cs.AI cs.CL
TokenTiming: A Dynamic Alignment Method for Universal Speculative Decoding Model Pairs
Zhejiang University(浙江大学)
TokenTiming通过动态对齐方法实现通用推测解码,无需重新训练即可处理不同词汇模型,提升LLM推理效率1.57倍。
2025-12-28 cs.AI cs.CL
SelfJudge: Faster Speculative Decoding via Self-Supervised Judge Verification
Efficient AI;Large Language Model(大型语言模型);Speculative Decoding(推测解码)
提出SelfJudge方法,利用目标模型的自监督训练验证器,通过评估令牌替换后响应的语义保持性来加速推测解码,实现更优的推理-准确率权衡。
2026-05-27 cs.AI cs.CL
Closer Look at Efficient Inference Methods: A Survey of Speculative Decoding
KAIST(韩国科学技术院);Georgia Institute of Technology(佐治亚理工学院)
本文针对大语言模型推理效率问题,综述投机解码方法,将其分为草稿中心型与模型中心型,探讨两阶段框架(草稿生成与验证)的核心思路及扩展潜力,为相关优化研究提供指导。
2024-11-27 cs.AI cs.CL cs.LG
Reward-Guided Speculative Decoding for Efficient LLM Reasoning
Language Technology Lab, University of Amsterdam(阿姆斯特丹大学语言技术实验室);Salesforce AI Research(Salesforce人工智能研究)
本文提出RSD框架,结合轻量级草稿模型与目标模型,利用过程奖励模型动态评估解码步骤并决定是否调用目标模型,在保证准确率的同时显著降低计算成本。
2025-06-26 cs.AI cs.CL
SimSD: Simple Speculative Decoding in Diffusion Language Models
University of California San Diego(加州大学圣地亚哥分校);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Google(谷歌);University of California Santa Barbara(加州大学圣芭芭拉分校)
针对扩散语言模型无法直接使用标准推测解码的问题,提出SimSD算法,通过即插即用的掩码策略引入参考令牌并设计注意力掩码,实现单次前向传播验证多个草稿令牌,在保持并行解码优势的同时提升解码吞吐量。
2026-08-11 cs.AI cs.CL
Unlocking Parallelism in Autoregressive Language Models via Speculative Decoding with Progressive Tree Drafting
University of Science and Technology of China(中国科学技术大学);Huawei Technologies Co., Ltd.(华为技术有限公司)
研究提出渐进式树状草稿(PTD)方法,通过结构化、引导式并行草稿策略利用模型并行潜力,结合渐进树结构与逐步修剪机制,在单次前向传播中引导LLM探索多条语义路径,实现高达2倍解码加速且无需训练、与模型无关。
2026-07-14 cs.AI cs.CL
Efficient Adaptive Rejection Sampling for Accelerating Speculative Decoding in Large Language Models
本文提出高效自适应拒绝采样方法,通过动态调整接受阈值减少随机拒绝,提升大语言模型推测解码效率。
2025-12-17 cs.AI cs.CL
Scaling Up, Speeding Up: A Benchmark of Speculative Decoding for Efficient LLM Test-Time Scaling
City University of Hong Kong(香港城市大学)
该研究推出首个评估推测解码加速LLM测试时扩展效果的综合基准,对比三类推测解码方法,发现基于n-gram的方法在重复推理场景加速潜力独特,提出结合不同方法平衡两类推理加速,推动相关研究发展。
2025-08-30 cs.AI cs.CL
PACER: Blockwise Pre-verification for Speculative Decoding with Adaptive Length
X-LANCE Lab, School of Computer Science MoE Key Lab of Artificial Intelligence, SJTU AI Institute Shanghai Jiao Tong University(X-LANCE实验室,计算机科学学院,人工智能关键实验室,上海交通大学人工智能研究院)
Pacer通过自适应长度的块级预验证技术,提升推测解码效率,实现高达3.09倍的加速。
2026-02-01 cs.AI cs.CL
Speculative Contrastive Decoding
Alibaba Inc.(阿里巴巴公司);Tsinghua University(清华大学)
提出推测性对比解码(SCD),利用较小语言模型的预测,同时提升大型语言模型的解码速度和质量,并在四个任务上验证其有效性。
2024-03-13 cs.CL
Acceptance Dynamics Across Cognitive Domains in Speculative Decoding
College of Engineering, Al Ain University Abu Dhabi, United Arab Emirates(阿联酋阿因大学工程学院)
本文研究了基于树的推测解码接受动态,分析了不同NLP任务领域对接受概率的影响,发现任务类型比树深度更能预测接受率,且聊天领域表现出较高的熵和接受率。
2026-09-29 cs.AI cs.CL
GRIFFIN: Effective Token Alignment for Faster Speculative Decoding
Fudan University(复旦大学);National University of Singapore(新加坡国立大学);Singapore Management University(新加坡管理学院)
针对推测解码中训练与解码的 token 不对齐问题,提出 GRIFFIN 框架,通过损失掩码和可对齐草稿模型提升接受长度与推理速度。
2025-10-19 cs.AI cs.CL
Decoding Speculative Decoding
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文通过350余次实验系统研究推测解码中草稿模型选择对加速效果的影响,发现草稿模型延迟比语言建模能力更关键,并据此设计硬件高效草稿模型,使吞吐量提升111%,且方法可推广到多种LLaMA及微调模型。
2025-02-05 cs.CL cs.LG
Unlocking Efficiency in Large Language Model Inference: A Comprehensive Survey of Speculative Decoding
The Hong Kong Polytechnic University(香港理工大学);Peking University(北京大学);Microsoft Research Asia(微软亚洲研究院);Alibaba Group(阿里巴巴集团)
本文全面综述了投机解码这一新颖解码范式,该范式通过并行起草与验证多个词元来缓解LLM自回归解码的高延迟,涵盖其定义、关键策略及第三方环境下的方法比较,旨在推动更高效的LLM推理研究。
2024-06-04 cs.CL
A Theoretical Perspective for Speculative Decoding Algorithm
Princeton University(普林斯顿大学);Northwestern University(西北大学)
针对大语言模型自回归采样推理慢且投机解码理论研究滞后的问题,本文通过马尔可夫链抽象概念化解码问题,从理论层面研究其输出质量与加速性能,分析了理论极限、批量算法及二者权衡,揭示了LLM组件间的联系及对解码效率的影响。
2024-10-30 cs.AI cs.CL cs.LG
SpecForge: A Flexible and Efficient Open-Source Training Framework for Speculative Decoding
Nanyang Technological University(南洋理工大学)
本文提出SpecForge,一种支持EAGLE-3的开源框架,通过解耦目标与草案模型、混合并行等技术,显著提升Qwen3-235B-A22B的训练速度,并发布SpecBundle草案模型以解决高质量草案稀缺问题。
2026-03-19 cs.AI cs.CL cs.LG
On Speculative Decoding for Multimodal Large Language Models
Qualcomm AI Research(高通人工智能研究中心);Qualcomm Technologies, Inc.(高通技术公司)
针对多模态大语言模型推理慢的问题,研究将投机解码应用于LLaVA 7B,用纯语言模型作草稿模型实现最高2.37倍加速,还提出带图像适配器的紧凑型草稿模型小幅提升图像字幕性能。
2024-04-13 cs.AI cs.CL cs.LG
HeteroSpec: Leveraging Contextual Heterogeneity for Efficient Speculative Decoding
Peking University(北京大学);SCITIX (SGP) TECH PTE. LTD.(SCITIX(SGP)技术有限公司)
HeteroSpec提出基于上下文异质性的投机解码框架,按候选不确定性分配验证资源,在五个基准和四个LLM上实现平均4.24倍加速,且无需重训练并保持输出分布。
2025-10-24 cs.CL
Draft on the Fly: Adaptive Self-Speculative Decoding using Cosine Similarity
Huawei Noah’s Ark Lab(华为诺亚方舟实验室);Université de Montréal(蒙特利尔大学);DIRO(信息与运筹学系(注:DIRO是蒙特利尔大学的信息与运筹学系,此处按机构级别提取为系级,但根据要求提取到学院/大学级别,故调整为蒙特利尔大学))
针对大语言模型推理加速,本文提出基于余弦相似度的自适应自推测解码方法,无需微调或黑盒优化即可按输入上下文动态生成草稿模型,性能媲美现有SOTA且真正即插即用。
2024-10-01 cs.CL
Speculative Decoding Meets Quantization: Compatibility Evaluation and Hierarchical Framework Design
Harbin Institute of Technology(哈尔滨工业大学);Tsinghua University(清华大学)
研究speculative decoding与quantization结合时计算负载削弱内存收益的问题,提出分层框架利用小模型将树形草稿转为序列草稿,在4位权重Llama-3-70B上实现2.78倍加速,比EAGLE-2快1.31倍。
2025-05-29 cs.AI cs.CL cs.LG
Accelerating Large Language Model Decoding with Speculative Sampling
DeepMind(深度思维)
我们提出了推测采样,一种算法,用于加速Transformer解码,使多个令牌的生成,从每个Transformer调用。我们的算法依赖于这样的观察,即由更快但功能更弱的草稿模型生成的短延续的并行评分的延迟与从更大的目标模型中采样单个令牌的延迟相当。这是结合了一种新的修改拒绝采样方案,保留了硬件数值内的目标模型的分布。我们用Chinchilla(一个700亿参数的语言模型)对推测性采样进行基准测试,在分布式设置中实现了2- 2.5倍的解码加速,而不影响样本质量或对模型本身进行修改。
2023-02-02 cs.CL
SpecExtend: A Drop-in Enhancement for Speculative Decoding of Long Sequences
Seoul National University(首尔国立大学)
SpecExtend通过集成高效注意力机制和Cross-model Retrieval策略,提升长序列推测解码效率,加速文档摘要和推理任务。
2026-01-19 cs.AI cs.CL cs.LG
ML-SpecQD: Multi-Level Speculative Decoding with Quantized Drafts
Intel Corporation(英特尔公司)
针对传统推测解码需预训练对齐草稿模型、难以即插即用的问题,提出ML-SpecQD方法,采用MXFP4量化草稿模型并递归应用多级推测机制,相较BF16基线最高实现2.72倍推理加速且无精度损失。
2025-03-17 cs.AI cs.CL cs.LG
Confidence-Modulated Speculative Decoding for Large Language Models
Department of Data Science(数据科学系);Praxis Business School(普拉克斯商学院)
本文提出一种基于置信度调节的推测解码框架,通过熵和边际不确定性度量动态调整草稿长度与验证过程,在机器翻译和摘要任务上实现加速并保持或提升BLEU和ROUGE分数。
2025-08-21 cs.AI cs.CL cs.LG
DIVERSED: Relaxed Speculative Decoding via Dynamic Ensemble Verification
Purdue University(普渡大学);Amazon Inc.(亚马逊公司);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Texas at El Paso(德克萨斯大学埃尔帕索分校)
DIVERSED通过动态集成验证框架提升解码效率,保留生成质量,通过任务和上下文依赖的权重融合草案与目标模型分布,提升推理效率。
2026-04-08 cs.AI cs.CL cs.LG
Performance-Driven Policy Optimization for Speculative Decoding with Adaptive Windowing
本文提出PPOW框架,通过窗口级优化提升投机解码效率,采用成本感知加速奖励和分布基 proximity 奖励,实现平均接受长度和加速效果提升。
2026-10-21 cs.CL
A Practical Investigation of Training-free Relaxed Speculative Decoding
Graphcore(Graphcore公司)
研究无训练的松弛推测解码技术,统一现有方法于共享框架,在当代环境下基准测试,发现松弛需大量能力评估,且许多方法依赖良好语言模型作为起草器,不适用于轻量级专用多令牌预测起草器。
2026-07-10 cs.AI cs.LG
S3D: A Simple and Cost-Effective Self-Speculative Decoding Scheme for Low-Memory GPUs
LG Electronics(LG电子);Toronto AI Lab(多伦多人工智能实验室)
本文提出S3D,一种基于多token解码和中间层跳过的低成本自推测解码方法,在低内存GPU上实现高效LLM推理加速,比量化EAGLE快1.4-2倍且VRAM占用更少。
2024-06-01 cs.CL
Online Speculative Decoding
UC Berkeley(加州大学伯克利分校);UCSD(加州大学圣迭戈分校);Google Inc.(谷歌公司);SJTU(上海交通大学)
本文提出在线投机解码,通过基于用户查询数据持续更新草稿模型来适应查询分布,从而提升令牌接受率并显著降低大语言模型推理延迟。
2024-06-10 cs.AI cs.CL cs.LG
Scaling LLM Speculative Decoding: Non-Autoregressive Forecasting in Large-Batch Scenarios
SpecFormer通过整合单向和双向注意力机制,实现大批次场景下的高效LLM推理,降低训练和计算成本。
2025-11-25 cs.CL
TIGER: Text-Conditioned Visual Gated Routing with Acceptance Alignment for Multimodal Speculative Decoding
National University of Singapore(新加坡国立大学);Nanyang Technological University(南洋理工大学);Center of AI Research, VinUniversity(Vin大学人工智能研究中心)
针对多模态推测解码中草稿模型视觉关键内容易偏差及现有方法不足的问题,提出TIGER框架,基于文本状态动态选视觉令牌,用接受对齐分组策略训练优化草稿模型,实验证明其在多方面取得良好效果。
2026-07-14 cs.CL
Multi-Candidate Speculative Decoding
National Key Laboratory for Novel Software Technology, Nanjing University(南京大学计算机软件新技术国家重点实验室)
本文提出多候选推测解码方法,通过从草稿模型采样多个候选序列并批量验证,在保持目标模型分布的同时显著提升 token 接受率,一致优于标准推测解码。
2024-01-12 cs.CL
Tutorial Proposal: Speculative Decoding for Efficient LLM Inference
The Hong Kong Polytechnic University(香港理工大学);Sea AI Lab(Sea AI实验室)
本教程全面介绍Speculative Decoding (SD)技术,通过并行起草与验证多个token,在保持原始分布下实现2x-4x加速,旨在阐明当前研究现状与未来方向,促进更高效的LLM推理。
2025-03-01 cs.CL
Less Experts, Faster Decoding: Cost-Aware Speculative Decoding for Mixture-of-Experts
研究针对大规模专家混合模型推理效率受专家激活模式影响的问题,提出成本感知推测解码框架EcoSpec,通过纳入预测的边际专家激活成本进行草稿选择,在多个模型和基准测试中减少活跃专家足迹、提高解码速度。
2026-07-15 cs.AI cs.CL cs.DC
Token-Driven GammaTune: Adaptive Calibration for Enhanced Speculative Decoding
Department of Electrical and Computer Engineering(电气与计算机工程系)
本文提出无需训练的 GammaTune 与 GammaTune+ 自适应算法,依据 token 接受率动态调整推测长度,在 SpecBench 上以平均 15%–16% 的加速和更低方差优于固定长度及其他启发式推测解码方法。
2025-06-04 cs.AI cs.CL cs.LG
SSSD: Simply-Scalable Speculative Decoding
Huawei(华为);ETH Zurich(苏黎世联邦理工学院)
提出一种无需训练的推测解码方法SSSD,结合轻量级n-gram匹配和硬件感知推测,在多种基准测试中达到与领先训练方法相当的性能,延迟降低高达2.9倍,且对语言和领域变化具有鲁棒性。
2026-06-03 cs.AI cs.CL cs.LG
Speculative Pipeline Decoding: Higher-Accuracy Drafting with Hidden Latency via Pipeline Parallelism
Oregon State University(俄勒冈州立大学);DeepSolution(深思解决方案)
提出推测性流水线解码(SPD)框架,利用流水线并行将目标LLM划分为n个流水线阶段并行处理n个token,通过推测模块聚合中间特征预测下一token,实现有限难度、高接受率和零延迟气泡,显著提升理论加速比。
2026-07-28 cs.CL
Self-Speculative Biased Decoding for Faster Re-Translation
Zoom Communications, Inc(Zoom通讯公司)
SSBD通过利用流式翻译中的时间一致性,实现重译的加速,同时保持翻译质量,无需额外调优。
2026-01-04 cs.AI cs.CL cs.LG
AgentSpec: Speculative Decoding for Batch Inference of LLM Agents
The Ohio State University(俄亥俄州立大学);Microsoft Research(微软研究院);University of Michigan(密歇根大学)
针对LLM智能体批量推理响应慢的问题,本研究提出AgentSpec推测解码算法,通过结构隔离的draft机制和感知冗余的预算分配提升效率,在多工作负载与模型上验证其性能优于现有最优方法。
2026-08-26 cs.CL
Training Domain Draft Models for Speculative Decoding: Best Practices and Insights
SambaNova Systems, Inc.(SambaNova系统公司)
本研究系统比较了知识蒸馏方法训练领域草稿模型,发现离线蒸馏优于在线蒸馏11%-25%,白盒优于黑盒2%-10%,合成数据可达历史查询性能的80%-93%,为提升投机解码效率提供实践指南。
2025-03-25 cs.AI cs.CL cs.LG
DFlash: Block Diffusion for Flash Speculative Decoding
Z-Lab
提出DFlash框架,利用轻量级块扩散模型并行生成草稿,通过目标模型上下文特征条件化,实现高质量草稿和高接受率,在多种模型和任务上实现超过6倍无损加速,比最先进的推测解码方法EAGLE-3快2.5倍。
2026-05-28 cs.CL
BitNest: Bit-Nested Speculative Decoding for Memory-Efficient LLM Inference Acceleration
University of Georgia(佐治亚大学);Northeastern University(东北大学);XPeng Motors(小鹏汽车);The University of Alabama(阿拉巴马大学)
BitNest提出位嵌套投机解码框架,将低精度草稿嵌入高精度目标,共享权重,实现95.2%接受率和1.48-1.61倍加速,内存高效。
2026-10-07 cs.AI
Multi-Drafter Speculative Decoding with Alignment Feedback
LG AI Research(LG AI研究院);KAIST AI(韩国科学技术院人工智能学院)
本文提出MetaSD框架,通过整合多个草案生成器并利用对齐反馈,提升大规模语言模型推理效率和生成质量。
2026-04-07 cs.CL
Secure Speculative Decoding for Large Language Models
The Pennsylvania State University(宾夕法尼亚州立大学);Duke University(杜克大学)
本研究首次系统揭示投机解码的安全-效用不对称性,并提出SecureSD方法,通过对早期草稿令牌施加更严格验证,在保持效率与效用下显著提升安全性。
2026-10-14 cs.AI cs.CR cs.LG
Speculative Diffusion Decoding: Accelerating Language Generation through Diffusion
University of Virginia(弗吉尼亚大学);Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室)
针对现有推测解码因草稿模型依赖增量token生成导致效率受限的问题,提出SpecDiff方法,用离散扩散模型生成草稿序列实现草稿与验证并行,在基准测试中比标准生成提速7.2倍、比现有推测解码提速1.75倍。
2025-02-10 cs.CL cs.LG
SpecFold: Folding Multi-Branch Redundancy for Faster Speculative Decoding in Diffusion Language Models
Georgia Institute of Technology(佐治亚理工学院)
SpecFold通过折叠多分支投机验证中的计算冗余,结合算法与系统协同设计,在扩散语言模型上实现高达1.99倍的解码加速,同时保持任务性能。
2026-10-07 cs.AI cs.CL cs.LG
ParallelSpec: Parallel Drafter for Efficient Speculative Decoding
Rice University(莱斯大学);Tencent AI Lab(腾讯AI实验室);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
针对推测解码中自回归起草计算负担重的问题,提出可并行预测多未来词元的ParallelSpec方法,能低成本集成到现有框架,在多基准和Llama-2-13B上实现显著加速。
2024-10-08 cs.CL cs.LG
OUTLETS: Output-Length Prediction from Speculative Decoding Backbones
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));The University of Hong Kong(香港大学);Huawei Technologies Co., Ltd.(华为技术有限公司)
针对LLM服务输出长度重尾分布的调度难题,OUTLETS利用推测解码草稿表示构建轻量长度预测器,降低MAE并将短请求P99延迟减少34.8%。
2026-09-11 cs.CL
Jakiro: Boosting Speculative Decoding with Decoupled Multi-Head via MoE
Advanced Micro Devices, Inc.(超威半导体公司);Institute of Artificial Intelligence and Robotics, Xi'an Jiaotong University(西安交通大学人工智能与机器人研究所);University of HongKong(香港大学)
Jakiro利用MoE解耦候选生成提升多样性,结合自回归与并行混合推理及对比机制,显著提高投机解码准确性与加速比,达到新SOTA。
2025-02-10 cs.AI cs.CL cs.LG