arXiv · cs.AI· Sai Sreenivas Chintha, Chidera Biringa, Rishab Sharma, Anusha Agrawal, Prachi Badarayani, Gemma Zhang, Nigel Boachie Kumankumah, Marco Ayala, Sulaiman Vesal·· 5 小时前
CADENCE通过学习预测长度提升大语言模型解码吞吐量
Next Token or Vector? Learning How Far to Decode
arXiv:2610.22788v1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：Sai Sreenivas Chintha, Chidera Biringa, Rishab Sharma, Anusha Agrawal, Prachi Badarayani, Gemma Zhang, Nigel Boachie Kumankumah, Marco Ayala, Sulaiman Vesal
研究任务与主要进展
CADENCE提出一种同时学习草稿内容与草稿长度的生成方法，利用高斯预测头和共享解码器并行预测多个后续 token，并通过路由机制按上下文选择预测长度。基于论文摘要，使用Llama-3.1-8B-Instruct在Alpaca、GSM8K和HumanEval上的实验表明，路由选择位置的草稿接受率高于固定预测长度，生成吞吐量最高达到标准贪心解码的1.3倍。
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