SlimSpec 突破推测解码瓶颈：不砍词表实现 5 倍加速
Arindam_1729 · x · 2026-07-22
Nebius 推出 SlimSpec，解决了大模型推测解码中的关键瓶颈。传统方法中，即使草稿模型很小，其 LM head 仍需将隐藏状态投影到庞大的词表（如 12.8 万 tokens），导致计算量剧增。
现有的裁剪词表方法（如 FR-Spec, VocabTrim）虽然能降低计算量，但一旦丢弃了关键 token，草稿模型就无法再提出该建议，从而限制了接受率上限。
SlimSpec 创新性地选择压缩表征而非裁剪词表，在不丢失词汇的前提下，将 LM head 的计算成本降低了 4-5 倍，最终实现了比基线高出 8-9% 的端到端推理加速。
所属事件:Nebius 推出推测解码优化方案 SlimSpec(2 条相关)→
「Infra」频道最新
- 全同态加密 GPT-2 速通赛开跑:现纪录 3.031 秒/token — tensorqt · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- Together 推出并行 LoRA 实验：多个实验共享同一批 GPU，免重复配置 — togethercompute · 2026-10-27
- 要么人力商品化，要么 GPU 商品化：算力经济二选一之辩 — _AustinCalvert_ · 2026-10-27