**通过预测生成顺序提升扩散语言模型的推测解码效率**

_On the SPOT: Enhancing Speculative Decoding for Diffusion Language Models via Commit-Order Prediction_

> 针对扩散语言模型（DLMs）在速度与质量间的权衡难题，研究提出了 SPOT 框架。该框架利用模型自身预测的生成顺序信息，构建候选生成树，使目标模型能在单次遍历中通过状态相等性进行精确验证，无需传统自回归模型中的多轮采样。实验表明，SPOT 将目标模型的遍历次数减少了 6.8 倍，吞吐量提升显著，且其轻量级生成器（drafter）具备跨模型迁移能力，无需重新训练即可适配不同架构的 DLM。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-28 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.22543)