arXiv · cs.AI· Yunxiao Zhao, Changxiao Cai·· 19 小时前
EDR通过直接最小化预期解码轮数训练并行推测草稿模型
Training Parallel Speculative Draft Models by Directly Minimizing Expected Decoding Rounds
arXiv:2610.10411v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yunxiao Zhao, Changxiao Cai
首次提交：2026-10-08 00:56
研究任务与主要进展
研究作者提出EDR训练目标，用状态占用率加权局部拒绝成本，使其精确等于推测解码的预期轮数，并推导支持无偏随机优化的时序差分梯度。该框架还提供无需实际运行推测解码的离线轮数评估器；摘要称，微调DSpark和DFly后，两个草稿模型在九个数学推理、代码生成与对话基准上均提升了平均接受长度，并优于既有训练目标。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org