待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/9/11

首次发现

来源

Osprey：通用预训练让推测解码草稿模型更高效

涉及实体

Eagleproduct Lookahead Decodingproduct

相关事实

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67% 相似待验证AdaptiveSpec的逐步边际规则允许当目标模型在草稿token上的概率与其top-1 token概率之比超过阈值时接受该草稿token，即使二者不完全匹配64% 相似待验证Anthropic的稀疏自编码器研究已能将百万量级的可解释特征从模型激活中分离62% 相似待验证投机解码通过小型草稿模型生成候选token由主模型并行验证以提升推理速度；稀疏注意力将计算复杂度从O(n²)降至接近O(n)61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/893764

API

curl https://kongchang.com/api/v1/knowledge/claims/893764

MCP

get_claim(id=893764)