以下为上游提供的源文稿,可能存在识别错误。
乔木转写是基于源文稿的中文提炼,不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇,慢慢读
从左侧挑一篇,正文会在这里排成书页。
Speculative decoding accelerates generation by letting a lightweight drafter propose tokens for parallel verification by a target model. Diffusion drafters such as DFlash propose an entire token block in a single forward pass, but mainly focus on text-only tasks, leaving multimodal drafting underexplored. To study this
阅读原文 · Sicheng Feng, Zigeng Chen, Song Wang, Gongfan Fang, Xinchao Wang
向阳乔木 · opencode-go/deepseek-v4.1-flash
视觉语言模型现在跑得越来越频繁,但生成速度这件事,多模态场景下的加速方案其实还没被认真对待。这篇 MMFlash 就盯着这个空档:投机解码在纯文本上已经很成熟,搬到图像和视频上,草稿模型(drafter)的命中率会明显掉下来。 作者先做了一个挺有意思的观察: 草稿 token 的接受率和它对视觉输入的依赖程度强相关 。视觉依赖最低的那一档,接受率 46%;最...