PPOW：窗口级强化学习优化投机解码

Jie Jiang 等作者提出 PPOW 强化学习框架，把投机解码中草稿模型的优化从 token 级模仿改为窗口级优化，并结合成本感知加速奖励、基于分布的接近奖励和自适应散度感知窗口机制。作者称，在统一解码协议下，该框架在多个模型族和基准上取得 6.29–6.52 的平均接受长度和 3.39–4.36 倍加速。该工作已被 NeurIPS 2026 接收。上述加速数据为作者报告的结果。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。