Abstract:Autoregressive decoding is bottlenecked by its sequential nature. Speculative decoding has become a standard way to accelerate inference by using a fast draft model to predict upcoming tokens from a slower target model, and then verifying them in parallel with a single target model forward pass. However, speculative decoding itself relies on a sequential dependence between speculation and verification. We introduce speculative speculative decoding (SSD) to parallelize these operations. While a verification is ongoing, the draft model predicts likely verification outcomes and prepares speculations pre-emptively for them. If the actual verification outcome is then in the predicted set, a speculation can be returned immediately, eliminating drafting overhead entirely. We identify three key challenges presented by speculative speculative decoding, and suggest principled methods to solve each. The result is Saguaro, an optimized SSD algorithm. Our implementation is up to 2x faster than optimized speculative decoding baselines and up to 5x faster than autoregressive decoding with open source inference engines.
Мерц резко сменил риторику во время встречи в Китае09:25，推荐阅读谷歌浏览器下载获取更多信息
。搜狗输入法下载对此有专业解读
Отец мальчиков обратился в суд с требованием лишить экс-супругу родительских прав. В ходе рассмотрения дела установлено, что женщина не помогает детям материально. У нее накопился долг по алиментам около 500 тысяч рублей. В прошлом она уже привлекалась к административной ответственности за ненадлежащее исполнение родительских обязанностей.
美, 최신예 미사일 ‘프리즘’ 이란서 처음 쐈다…“추종 불허 전력”，推荐阅读safew官方版本下载获取更多信息