提出并验证EDR训练目标

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。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。