DScout：分解引导的扩散草稿投机解码

2026年10月20日，arXiv 人工智能板块出现由 Jiakun Fan 等作者提出的 DScout 方法报道。该报道称，DScout 通过两种互补的因子分解来引导扩散草稿模型的训练与推理，以提升投机解码的吞吐量。在 Qwen3-4B 和 Qwen3-8B 两个模型上，报道称其相对自回归解码的平均加速分别为 3.84 倍和 4.14 倍，较 SOTA 基线平均加速提升 9.1% 和 7.1%。报道还称，其推理配置策略在不同模型与并发设置下，相比固定配置可额外带来最高 9.75% 的平均加速。目前事件进展停留在该方法被提出并给出上述实验数据的阶段，尚无后续跟进报道，相关加速数据均来自该篇报道的陈述。

AI 根据报道生成 · 37 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。