LLM 笔记：Speculative Decoding 投机采样

1 基本介绍 

• 投机采样（Speculative Sampling）是一种并行预测多个可能输出，然后快速验证并采纳正确部分的加速策略
  • 在不牺牲输出质量的前提下，减少语言模型生成 token 所需的时间
• 传统的语言模型生成是 串行 的
  • 必须生成一个，再输入到模型中，才能生成下一个
• 投机采样的核心思想是
  • 用一个“小模型”提前生成多个候选 token（投机结果），然后用“大模型”一起验证这批候选，并行加速。

2 举例 

• 比如已有 prompt 是：“The weather today is”
• 小模型（Draft Model）快速生成多个候选 token
  • 例如预测出："The weather today is [sunny, and, warm, with, ...]" 共 5 个 token
• 大模型（Target Model）验证这些 token

  • 大模型并行地计算这 5 个 token 的概率；

  • 如果小模型的结果和大模型的前几个 token 一致（大模型在这个token上概率小于小模型的，即小模型“更有把握”），就“采纳”它；如果中途发现不一致，就在那个位置停止，用大模型重新生成。

  • 

    •  那么下一轮：
      •