本研究提出FR-Spec框架，解决了大词汇量语言模型推测采样效率低的问题。该方法通过压缩词汇空间和优化候选选择，减少了75%的计算开销，同时保持输出一致性。实验结果表明，FR-Spec在多个数据集上相较于EAGLE-2实现了1.12倍的加速。