热点事件持续更新
研究提出TLAR推测解码方法
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月，研究人员在论文中提出轨迹局部自适应检索方法TLAR，旨在利用模型自身的历史生成轨迹辅助推测解码。该方法通过从当前生成轨迹中检索近似匹配的后续内容，并将其与模型生成的草稿合并至共享候选树中进行严格验证。此外，TLAR能够根据近期的验证结果自适应调整检索激活状态与候选宽度。实验表明，该方法在代码调试、数学和开放式写作等任务中显著提升了token接受率与端到端吞吐量。
AI 根据报道生成 · 1 小时前更新
最新进展10月7日 12:00
研究人员提出TLAR推测解码方法，利用自身历史生成轨迹提升推理吞吐量与接受率。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv 人工智能轨迹检索推测解码：模型自身的历史记录何时能发挥作用？
研究人员提出轨迹局部自适应检索方法 TLAR，通过从当前生成轨迹中检索近似匹配的后续内容来辅助推测解码，并与模型生成的草稿合并至共享候选树中进行严格验证。TLAR 能依据近期验证结果自适应调整检索激活与候选宽度，在代码调试、数学和开放式写作任务中显著提高了 token 接受率与端到端吞吐量。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。