加州大学圣迭戈分校的研究人员开发了 DFlash,这是一种新颖的推测性解码方法,可显著加速大型语言模型推理。与之前一次起草一个令牌的方法不同,DFlash 使用轻量级块扩散模型并行提出整个令牌块。据报道,与 EAGLE-3 等现有技术相比,该方法在各种模型和任务上实现了超过 6 倍的无损加速,并且在 NVIDIA Blackwell GPU 上对 GPT-OSS 120B 的吞吐量提高了 15 倍。 AI
影响 DFlash 的并行块起草可以显著降低 LLM 推理成本和延迟,从而实现更复杂和交互式的 AI 应用。
排序理由 介绍 LLM 推理加速新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — fosstodon.org 阅读 →
- DiffuSpec
- FLASH
- GPT-OSS 120B
- NVIDIA
- NVIDIA Blackwell B200
- Qwen3-coder
- SpecDiff-2
- University of California, San Diego
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →