EMNLP 2026论文SpecTr-GBV统一多草稿生成与块级验证加速推测解码，DeepSeek-33B配置加速比达1.8。
据机器之心对 EMNLP 2026 论文的解读（10 月 15 日），SpecTr-GBV 将推测解码中通常分开优化的多草稿生成与块级验证统一到一个框架里：把多条 draft token 块与目标块的验证表述为最优传输问题，直接最大化期望接受长度，并保持输出分布一致性。作者推导了条件独立耦合类中期望接受长度的理论上界，并证明该算法可达到此上界。实验显示其在 HumanEval、GSM8K、MGSM、LM1B、Alpaca 等数据集上的块效率与加速比均高于标准推测解码与此前 SpecTr 方法，其中 DeepSeek-33B/1.3B 配置下加速比为 1.8（论文口径，未见第三方复测）。受影响的是大模型推理服务与部署成本方向的研究者和工程师。
rss · BestBlogs 精选 · 10月15日 04:17
「为什么现在」 推理成本与速度是大模型落地的高杠杆环节，推测解码是主流加速路径；该工作把「多条草稿」与「更长验证窗口」这两个方向合并为可证明最优的统一框架，属已发表的论文成果，但对线上服务的实际收益尚待工程落地验证。
「可做角度」 可做角度：以「为什么多生成几份草稿反而更快」为钩子，拆解 SpecTr-GBV 用最优传输统一多草稿与块验证的思路，讲清期望接受长度、理论最优性与 1.8 倍加速（DeepSeek-33B/1.3B 口径）分别意味着什么，并提示读者这是论文结果、尚未见生产环境复现数据。
做AI项目，先看AI雷达 - AiRadar.com.cn · 全部AI快讯 →