TS-DP：面向扩散策略的时间自适应强化投机解码加速

论文首次将投机解码用于扩散策略，报告最高 3.2 倍实际加速。

资讯摘要

论文指出扩散策略（DP）推理受 I/O 瓶颈限制，首次将投机解码用于 DP 加速，提出 TS-DP 框架：蒸馏 Transformer 草稿模型替代高成本去噪调用，并用强化学习调度器按任务难度动态调整投机参数。作者报告仿真中 NFE 最多降低 4.17 倍、实际耗时加速 3.2 倍，草稿接受率超 85%；真实实验中 NFE 降低 3.8 倍，传送带任务成功率提升 23%，推理频率达 26 Hz。代码已开源。

要点速读

1. 论文揭示扩散策略属于 I/O 受限而非计算受限，据此引入投机解码加速。
2. TS-DP 用蒸馏的 Transformer 草稿模型加 RL 调度器，按任务难度动态分配计算。
3. 作者报告仿真 NFE 降 4.17 倍、耗时加速 3.2 倍；真实实验 NFE 降 3.8 倍、传送带任务成功率提升 23%、达 26 Hz。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。