论文提出轨迹检索投机解码方法TLAR

2026年10月7日，arXiv cs.AI 收录一篇论文，提出轨迹检索投机解码方法 TLAR。该方法从当前推理轨迹中检索近似匹配的续写，按近期验证结果自适应调整检索激活与候选宽度，并把检索得到的候选与模型生成的草稿合并进共享候选树，经精确验证以保持目标模型的输出分布。在代码调试、数学和开放式写作评测中，TLAR 与强检索基线组合，在相同验证预算下提升 token 接受率，并较草稿模型基线提高端到端吞吐。目前该工作以论文形式发布，尚无后续进展报道。

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。