arXiv · cs.AI· Zhi-Kai Chen, Song-Yan Li, De-Chuan Zhan, Han-Jia Ye·· 2 天前
SchemaFill通过槽位并行推测解码提升LLM工具调用吞吐量
SchemaFill: Efficient LLM Tool Calling via Slot-Parallel Speculative Decoding
arXiv:2610.07086v1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：Zhi-Kai Chen, Song-Yan Li, De-Chuan Zhan, Han-Jia Ye
研究任务与主要进展
SchemaFill通过槽位并行推测解码并发生成工具调用的候选值，在Glaive和BFCL上相较自回归解码实现最高4.05倍的端到端吞吐量提升。系统会将跨字段和跨调用的候选拼接后由目标模型基于实际输出前缀验证，仅提交已验证的令牌，并由目标模型在候选不一致时提供修正；代码已发布至https://github.com/Czzzk/SchemaFill。
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