恢复投机解码中的离策略监督

针对投机解码块草稿器因离策略 token 丢失后续监督信号的问题，研究人员提出一种基于 rollout 的训练框架，通过锚标签重标记（ALR）与 Rollout 内部锚点（IRA）恢复完整监督。在固定视觉语言和文本语料库中，该框架将贪婪接受长度相比 DFlash 提升最高达 36.5%，且相关代码已开源。