热点事件持续更新
研究提出投机解码优化损失族TVP
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 5 小时前更新
最新进展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。报道时间线
沿着报道，了解事件的不同侧面。
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%。
本事件热度走势
当前热度 8·可比范围峰值 9（11月3日 18:00）·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。