土法炼钢 · 系统与基础设施

【Transformer 与注意力机制】50｜Speculative Decoding：用小模型加速大模型

2026-08-06 | transformer | #transformer #speculative-decoding #inference #draft-model #rejection-sampling #llm-serving

KV Cache 后 decode 仍是显存带宽受限的串行循环。本文给出投机解码的接受-拒绝公式与正确性证明，推导接受率如何决定加速比，用实测数据说明批大小何时让投机解码倒贴，并只钉住 Medusa/EAGLE/MTP 的原理差异。