arrow
返回

DySpec: Faster speculative decoding with dynamic token tree structure

delete2025-05-08
delete0
PRE
AI
Y
Yunfan Xiong
R
Ruoyu Zhang
Y
Yanzeng Li
L
Lei Zou *
DOI:10.1007/s11280-025-01344-0delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
尽管推测解码(speculative decoding)作为加速大型语言模型(LLMs)推理的可行方向已崭露头角,其加速效果和可扩展性却严重受限于token接受率。现有方法通常将预测的token组织为独立的链或固定的token树结构,但难以泛化至多样化的查询分布。本文提出DySpec,一种更快的推测解码算法,并引入新颖的动态token树结构。我们首先通过直观和经验性的线索关联了草稿分布(draft distribution)与接受率,并成功证明两者存在强相关性。基于此,我们采用贪心策略在运行时动态扩展token树。理论上,我们证明该方法在温和假设下可实现最优结果。实验表明,DySpec相较于固定树结构能获得更高的接受率与加速比。DySpec能在不同数据分布和模型规模下显著提升吞吐量并降低token生成的延迟,其性能显著优于强基线,包括Specinfer和Sequoia。在低温度设置下,DySpec可在Llama2-70B模型上将吞吐量提升至9.1倍,延迟降低至9.4倍;而在高温度设置下,DySpec仍能将吞吐量提升至6.21倍,尽管此时草稿模型每步推测多个token的难度有所增加。
Keyword:
Artificial intelligence
Large language models
Inference acceleration
Speculative decoding

期刊

W
World Wide Web-Internet and Web Information Systems
IF:
3.4
论文数:
57
被引数:
2.3K

机构

P
peking university
学者数:
11.9W
论文数: 8.7W
被引数: 146
引用论文

引用论文

err分享
err收藏
DeepSpeed
err2020-08-20
err0
PREAI
errJeff Rasley; Samyam Rajbhandari; Olatunji Ruwase; Yuxiong He
err分享
err收藏
SpecInfer: Accelerating Large Language Model Serving with Tree-based Speculative Inference and Verification
err2024-04-27
err0
errOAAI
errXupeng Miao; Gabriele Oliaro; Zhihao Zhang; Xinhao Cheng; Zeyu Wang; Zhengxin Zhang; Rae Ying Yee Wong; Alan Zhu; Lijie Yang; Xiaoxiang Shi; Chunan Shi; Zhuoming Chen; Daiyaan Arfeen; Reyna Abhyankar; Zhihao Jia
err分享
err收藏
K-BERT: Enabling Language Representation with Knowledge Graph
err2020-04-03
err0
errOAAI
errWeijie Liu; Peng Zhou; Zhe Zhao; Zhiruo Wang; Qi Ju; Haotang Deng; Ping Wang
err分享
err收藏
没有更多内容