多未来草拟 MFD 提升投机解码速度最高 7.8 倍
原文标题：Multi-Future Drafting: Mixture Block Drafters for Tree-Verified Speculative Decoding
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出基于概率乘积排序的草稿树会拼接出目标模型不会产生的“嵌合前缀”，在 64 节点树中占 27%-33%。作者提出多未来草拟（MFD），用隐变量与 K 个模式嵌入生成多个连贯候选块，在 4B 至 27B 的 Qwen 模型上实现最高 7.8 倍加速，比同条件训练的 DARTree 快 9%-16%。
- 问题
- 基于概率乘积排序的草稿树会拼出目标模型不会产生的嵌合前缀，浪费验证预算。
- 方法
- 用隐变量和 K 个模式嵌入一次生成多个连贯候选块，配合混合 DDTree 让验证器无损选择目标实际走向的未来。
- 结果
- 在 4B 至 27B 的 Qwen 上最高 7.8 倍加速，比同条件训练的 DARTree 快 9%-16%。
- 影响
- 投机解码可直接提速，推理服务团队能在不改模型的前提下降低延迟。
深读 · 结论先行AI 生成展开看要点与影响 ↓
MFD 用隐变量替代概率乘积排序，在 4B–27B Qwen 上实现最高 7.8 倍投机解码加速。
- •指出乘积排序草稿树会拼接目标模型不产生的“嵌合前缀”，64 节点树中占 27%–33%
- •理论上无法避免：两个未来在 m 个位置分歧就需 2^m-1 个嵌合前缀
- •MFD 用 K 个模式嵌入一次前向生成 K 个连贯候选块，仅增 K+1 个向量
- •在 4B 至 27B 四个 Qwen 目标、batch size 1 下最高 7.8 倍加速
- •比同条件训练的 DARTree 快 9%–16%
为什么重要：投机解码是推理降本的关键路径，MFD 指出主流草稿树的结构性缺陷并给出无损修正，对做推理加速的团队有直接参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌 DeepMind 发布 AlphaGenome 2，精细预测突变细胞效应
AI 摘要谷歌 DeepMind 推出 AlphaGenome 2，基于 68 种组织、超 1 亿个细胞图谱训练，可预测遗传变异对特定细胞类型与状态的影响。该模型识别出的影响基因表达的变异数量约为上一代的两倍，并能在未重新训练的情况下预测新细胞类型，有望助力疾病机理研究与药物靶点发现。
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。