热点事件持续更新
人大团队提出大模型解码方法ME-Decoding
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
2026年9月30日，中国人民大学团队提出大语言模型解码方法ME-Decoding。该方法通过同时读取token概率与embedding相似度，将候选筛选转化为动态子集优化以消除语义冗余。在Qwen3-4B、Phi-4-mini与Mistral-7B模型上的测试显示，该方法在GSM8K和GPQA上的平均准确率分别达到72.66%和32.96%，端到端GPU延迟相比基线仅增加约3%。
AI 根据报道生成 · 10 小时前更新
最新进展9月30日 13:25
人大团队提出ME-Decoding解码方法，结合概率与语义冗余优化候选子集。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- AITNT · AI头条人大团队提出大语言模型解码方法 ME-Decoding：结合概率与语义冗余优化候选子集
中国人民大学团队提出 ME-Decoding 大语言模型解码方法，通过同时读取 token 概率与 embedding 相似度，将候选筛选转化为动态子集优化以消除语义冗余。在 Qwen3-4B、Phi-4-mini 与 Mistral-7B 上的测试显示，该方法在 GSM8K 和 GPQA 上的平均准确率分别达到 72.66% 和 32.96%，端到端 GPU 延迟相比基线仅增加约 3%。
本事件热度走势
当前热度 8·可比范围峰值 10（9月30日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。