**EfficientRollout：系统感知自投机解码加速强化学习推理rollout**

_EfficientRollout: System-Aware Self-Speculative Decoding for RL Rollouts_

> 针对强化学习（RL）rollout 生成延迟瓶颈，提出系统感知的自投机解码框架 EfficientRollout。它从目标模型自身诱导量化草稿模型，避免分离训练；并协调系统感知开关策略与适应接受度的草稿长度，仅在有益场景启用投机。相比加速自回归基线，可降低 rollout 延迟达 19.6%，端到端延迟达 12.7%，且不损失最终模型质量。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-18 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.18967)