全部
全部

选一篇,慢慢读

从左侧挑一篇,正文会在这里排成书页。

文章与公开阅读资产

VSpark:面向自回归视觉-语言-动作模型的投机解码

Our aim is to accelerate autoregressive vision-language-action models (VLAs), which generate robot actions one token at a time. Speculative decoding makes this possible: a lightweight draft model proposes several tokens at once, and the VLA verifies them in a single pass, accepting only those that match its own predict

阅读原文 · Suho Yoo, Youngjoon Jang, Hyebin Cho, Taeyeop Lee, Jaewook Jeong, Joon Son Chung

乔木风格重写

向阳乔木 · opencode-go/deepseek-v4.1-flash

机器人动作模型有个老大难问题:动作是一个 token 一个 token 吐出来的,慢。投机解码本来是加速自回归生成的成熟办法,但搬到 VLA 上就不太灵。 这篇 VSpark 值得看的地方,是它没把投机解码当万能药,而是先问了一句:为什么在机器人控制里不灵?答案挺有意思, 很多不同的 token 其实编码的是几乎相同的动作 ,草稿模型猜的方向没错,只是 to...

  • JK下一篇 / 上一篇
  • S收藏
  • A问 AI
  • I沉浸阅读
  • Esc退出

分享海报

正在生成海报…

主题

字体

开源字体第一次使用时联网下载,只取海报上用到的字。