标签
PreSTO 提出一种预测性子树预取方法来加速 PowerMH 功率采样器，通过批量预取未来的 MH 提案并保持转移核不变，在七个数据集和五个大语言模型上实现了 1.71×–2.33× 的中位加速。
NVIDIA发布了Nemotron-Labs-Diffusion模型系列（3B至14B），该系列同时支持AR解码和扩散解码，并采用新颖的自推测机制，在多种硬件平台上相比标准AR和Eagle3方法实现了显著加速（最高达4倍）。
R²-dLLM 引入时空冗余削减技术，在保持生成质量的同时将扩散 LLM 的解码步数最多压缩 75%，直击部署瓶颈。