UCLA 论文:扩散精力与接受宽容度双旋钮,拓宽投机解码速度-质量帕累托前沿
UCLA · hf · 2026-10-26
论文《Speculative Diffusion is a Tale of Two Tradeoffs》探讨扩散语言模型（dLLM）作投机解码草稿模型时的速度-质量权衡：- 传统自回归投机解码对验证分布无损，提速不降质；dLLM 则靠降低扩散精力（diffusion effort）换速度，会牺牲质量。- 论文将投机解码推广为「有损」形式，通过放宽接受准则（acceptance leniency）更快生成样本。- 引入两个可调参数——扩散精力与接受宽容度，实验表明联合调节二者能扩展速度-质量的帕累托前沿，给出系统化的权衡空间。
「研究」频道最新
- Qwen3.8-Flash-Next 开源 180B 权重，被视为后门研究理想样本 — jd_pressman · 2026-10-27
- Latent-Foresight:让世界模型学着预判自己的未来 — abursuc · 2026-10-27
- 英国 AISI 发文：现有手段不足以防生物 AI 工具被滥用 — davidmanheim · 2026-10-27
- CMU 发布 XYBench:LLM 只答字面问题,常无视用户真实需求 — valentina__py · 2026-10-27
- arXiv 前主席提示:投稿主分类选错,论文几乎必被搁置 — tdietterich · 2026-10-27
- arXiv 积压超 4000 篇论文被搁置，版主致歉并给出避坑建议 — tdietterich · 2026-10-27