打破自回归瓶颈：Speculative Decoding 推测解码的系统工程与生产优化实战 Speculative Decoding 通过小模型草稿+大模型验证的无损加速范式，将 LLM 推理延迟降低2-4×。本文深入拆解核心算法、调度策略与 KV Cache 管理，分析 Medusa、Eagle 与自回归草稿模型的工程取舍与生产部署最佳实践。 AI技术 2026年10月03日 0 点赞 0 评论 15 浏览
