返回
DySpec: Faster speculative decoding with dynamic token tree structure
DOI:10.1007/s11280-025-01344-0.png)
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
IF:
3.4
论文数:
57
被引数:
2.3K
机构
引用论文
没有更多内容

