热点事件持续更新
研究人员提出PreSTO加速LLM幂次采样推理
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月12日，arXiv自然语言处理领域发表最新研究成果，研究人员提出了一种名为PreSTO（Predictive SubTree Prefetching，预测性子树预取）的方法。该方法旨在加速大语言模型（LLM）的幂次采样器PowerMH。据介绍，PreSTO通过预取候选提议来提升推理效率，同时能够保持原有的转移核不变。目前，该研究已作为面向LLM快速幂次采样的全新优化方案正式公布。
AI 根据报道生成 · 3 小时前更新
最新进展10月12日 12:00
研究人员提出PreSTO方法，通过预取候选提议加速LLM幂次采样器PowerMH。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv 自然语言处理PreSTO：面向 LLM 快速幂次采样的预测性子树预取方法
研究者提出 PreSTO（Predictive SubTree Prefetching），通过预取候选提议且保持原有转移核不变来加速 LLM 幂次采样器 PowerMH。
本事件热度走势
当前热度 9·可比范围峰值 10（10月12日 13:00）·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。