ホットトピック継続更新中
研究提出投机解码优化损失族TVP
1 件の報道1 件の報道元21 時間前 更新
まずこの件を把握する
AI 概要
2026年11月3日，研究人员在 arXiv 发布论文，提出针对推测解码的 TVP 损失函数族。该方法基于期望接受长度与全变差（TV）距离来优化草稿模型。为解决 TV 存在的梯度消失等问题，TVP 通过引入幂参数在覆盖率与接受率目标之间进行插值。实验结果显示，TVP 在 3 种草稿架构和 3 种目标模型上均取得了最高或并列最高的接受长度；在微调场景下，TVP 相比交叉熵损失（CE）将接受长度提升了 9.8%，较 DFlash2 提升了 6.2% 至 12.9%。
AI が報道をもとに生成 · 17 時間前 更新
最新の進展11月3日 13:00
研究人员提出用于推测解码的 TVP 损失族，微调时较 CE 提升 9.8% 接受长度。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月3日
- arXiv 机器学习TVP：推测解码中 TV 几乎就是全部所需
研究人员提出针对推测解码的 TVP 损失函数族，基于期望接受长度与全变差（TV）距离优化草稿模型。针对 TV 梯度消失等问题，TVP 通过幂参数在覆盖率与接受率目标间插值，在 3 种草稿架构和 3 种目标模型上均取得最高或并列最高接受长度。微调时 TVP 相比 CE 将接受长度提升 9.8%，较 DFlash2 提升 6.2% 至 12.9%。
このストーリーのホット度の推移
現在のホット度 6·比較可能範囲のピーク 9（11月3日 18:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。