DSpark是一种投机解码技术，通过并行草稿与轻量级顺序组件结合，提升LLM生成速度。在llama.cpp中测试Qwen3-8B，启用DSpark后生成速度从95.0提升至124.9 tokens/s，约31.5%加速。尽管MTP更通用，DSpark在草稿质量上占优，但模型支持有限，适合实验。

本文提出了一种新算法——分阶段投机性解码，旨在加速小批量大型语言模型（LLM）的推断。该方法通过重组投机性批量为树结构并增加第二阶段解码，成功将解码延迟降低了3.16倍，同时保持输出质量。此外，研究还探讨了推测解码的训练方法，显著提高了模型的效率和性能。

本文介绍了多种非自回归文本到语音（TTS）模型的创新，包括VARA-TTS、Diff-TTS和NAST-S2X。VARA-TTS通过多层注意力机制提高推理速度和语音质量，Diff-TTS显著提升合成速度，NAST-S2X实现高质量的同时口译。这些模型在推理效率和语音合成质量上均有显著进展。

本研究提出了一种异步多设备投机解码方法（AMUSD），通过独立模型并行工作，显著提高大型语言模型的生成速度，平均提升29%，最高可达1.96倍。

本文提出了多种加速大型语言模型推理的方法，包括DistillSpec、Speculative Streaming和SmartSpec。这些方法通过知识蒸馏和推测解码显著提高了解码速度和效率，减少了推理延迟。实验结果表明，这些方法在多项任务中表现优异，提升了模型性能并降低了资源消耗。

该论文提出了多种新颖的文本到图像生成方法，如分块并行解码、离散扩散模型和文本条件采样，显著提升了生成速度和图像质量，并验证了其在机器翻译和图像超分辨率任务中的有效性。

本文介绍了一种基于“假设采样”的算法，显著加速Transformer解码过程，提升速度2至8.7倍，同时保持生成质量。通过结合自回归抽样与新选择算法，提出了SpecDec++和早期退出推理等方法，优化了大型语言模型的推理效率。实验结果显示，这些方法在多个任务中均表现出色。

本文提出了一种新算法——分阶段投机性解码，旨在加速小批量大型语言模型（LLM）的推理。该方法通过重组投机性批量和引入第二阶段解码，在保持输出质量的同时，将解码延迟降低了3.16倍。研究还探讨了推测解码的定义、技术及未来方向，强调提高推理速度和GPU利用率的重要性。

在大型语言模型中，我们提出了一种新的方法，即具有无损加速的早期退出推理（EESD），通过在前 N 层后引入早期退出结构，利用语言模型的一部分生成初步令牌，并通过自蒸馏方法提高初步令牌的质量。我们还引入了一种新的采样机制，利用汤普森采样调节生成过程，自动确定每一轮的初步令牌数量。实验结果表明，与先前的方法相比，我们的方法在解码令牌时具有明显的加速效果。

本文探讨了推测解码在大型语言模型中的应用，提出了自适应推测解码和分阶段投机性解码等加速推理的方法。这些方法通过优化生成和验证过程，提高了推理速度和效率，显著降低了延迟，同时保持了输出质量。实验结果表明，推测解码在多个任务中实现了高达3.16倍的速度提升。

该文介绍了一种新颖的自我推测解码推理方案，用于加速大型语言模型，无需辅助模型。该方法通过草稿和验证两个阶段的过程来实现，不需要额外的神经网络训练和内存占用，加速比最高可达1.73倍。