待验证50% 置信事实精确时间
EAGLE 利用目标模型的特征层进行自回归式草稿生成，在特征空间而非 token 空间做预测，通常能获得更高的接受率。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/20
首次发现
有效期至：2027/1/18
来源
涉及实体
相关事实
待验证EAGLE 的创新在于复用主模型最后一层的特征表示来驱动草稿头，使草稿生成与主模型共享语义空间，从而提升 token 接受率77% 相似待验证Eagle利用目标模型中间层的特征向量作为输入进行下一token预测72% 相似待验证EAGLE的核心创新是训练一个轻量级自回归头，以目标模型的隐藏状态作为输入特征来预测下一个token的特征表示，而非直接预测token本身70% 相似待验证Eagle利用特征级别的预测提升接受率，Lookahead Decoding则通过Jacobi迭代避免使用独立草稿模型69% 相似待验证模型输出坐标通常有两种方式：将坐标归一化到[0,1000]范围作为文本Token生成，或直接预测像素坐标69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1074373API
curl https://kongchang.com/api/v1/knowledge/claims/1074373MCP
get_claim(id=1074373)