DLoop：循环式投机解码加速LLM生成

2026年10月7日，arXiv cs.CL 刊出 DLoop 论文，提出一种循环式投机解码方法，用于加速大语言模型生成。该方法的做法是：在验证之前自适应地执行多轮起草，并把累积起来的 draft tokens 一次性提交验证，而非每轮起草后立即验证。为让新增的起草阶段仍然可靠，DLoop 引入 loop-aware training，使 draft model 在训练中接触到尚未验证 token 对应的自身 hidden states。目前该工作以论文形式公开，除方法本身的描述外，暂无其他进展信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。