Fast-dLLM++ 提出免训练解码，扩散 LLM 吞吐最高提升 37%
热点事件观察中
Fast-dLLM++ 提出免训练解码，扩散 LLM 吞吐最高提升 37%
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Siva Rajesh Kasa 等作者提出 Fast-dLLM++，用免训练的 Fréchet Profile Decoding 替代 Fast-dLLM 按最弱 token 置信度决定并行提交的做法，改为从完整排序置信度剖面中选择并行提交集。 在 LLaDA-8B 上，GSM8K、MATH、HumanEval、MBPP 实验显示，同等准确率下吞吐最高提升 37%。该方法不改动模型、扩散过程和缓存实现，可直接替换现有 Fast-dLLM 解码。
AI 根据报道生成 · 10 小时前更新
最新进展11月14日 13:00
Fast-dLLM++ 提出 Fréchet Profile Decoding，扩散 LLM 推理吞吐最高提升 37%报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AIFast-dLLM++ 提出 Fréchet Profile Decoding，扩散 LLM 推理吞吐最高提升 37%
Fast-dLLM++ 提出免训练的 Fréchet Profile Decoding，从完整排序置信度剖面中选择并行提交集，替代 Fast-dLLM 按最弱 token 决策的同质高置信假设。在 LLaDA-8B 上，GSM8K、MATH、HumanEval、MBPP 实验显示，同等准确率下吞吐最高提升 37%。该方法不改动模型、扩散过程和缓存实现，可直接替换现有 Fast-dLLM 解码。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 711月15日 04:00
- 近 24 小时变化
- –
02468
04:0006:0008:0010:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。