Duke Ellington Society

GRAFT 框架通过新的评分和预算分配提升 DLM 预测解码

研究人员推出 GRAFT，一个旨在增强扩散语言模型（DLM）中预测解码的新框架。GRAFT 采用目标蒸馏边评分（TDES）从目标模型轨迹中学习父子兼容性偏好，确保草稿树中更准确的边选择。此外，它利用状态感知预算分配（SABA）根据解码状态动态调整树预算，平衡草稿增益与验证成本。该方法已证明能显著提速，比自回归方法快 2.13 倍至 6.36 倍，且开销极小。