Speculative Decoding Drafter（推测解码草稿模型）
Speculative Decoding Drafter用小模型猜下一步，大模型验证加速推理
亦作、亦称：推测解码草稿模型 · Speculative Decoding Drafter · Drafter Model
Speculative Decoding Drafter 是推测解码中快速生成候选 token 的小型模型，由大模型验证。腾讯 AngelSpec 框架统一支持 MTP 和 Block-Parallel 训练方法。
核心机制
Drafter 模型是推测解码的核心组件：用小型草稿模型快速生成候选 token 序列，由大型目标模型并行验证并接受/拒绝。接受率越高加速比越大。核心挑战是草稿模型与目标模型的分布对齐。
训练方法
腾讯开源 AngelSpec 框架统一支持两种推测解码训练方法：MTP（Multi-Token Prediction） 让模型在一次前向传播中预测多个未来 token；Block-Parallel 将序列分块并行训练草稿模型。两种方法可组合使用，在 Hy3 模型上验证有效。
工程意义
推测解码可将 LLM 推理速度提升 2-3 倍而不损失输出质量。Drafter 模型的质量直接决定接受率与加速比。2026 年随着 Agent 长链推理需求增长，推测解码从研究技术走向生产基础设施。
常见误解
日常交流中容易听到的简化说法，未必准确，但能帮助理解误解从何而来。
- 「用小模型猜下一步，大模型验证加速推理」
- 「推测解码的草稿生成器」
相关术语
和本术语关联紧密的其他词条，便于串联理解。
🎯 考点练习
含该术语的高频面试题，含标准答案与追问。
- 初级概念高频查看详解 →
什么是大语言模型（LLM）？它能做什么、不能做什么？
LLM 是基于 Transformer、在海量文本上预训练的自回归语言模型，擅长语言任务，但不擅长精确计算、实时信息，且会产生幻觉。
- 高级系统设计查看详解 →
当 LLM 上下文窗口达到 1M token 时，"Lost in the Middle" 效应对 RAG 系统设计有何影响？如何工程化缓解？
即使上下文窗口达到 1M token，"Lost in the Middle"（Liu et al. 2023）与 Context Rot（Chroma 2026）仍使模型对中间位置信息的利用率显著下降——标称容量不等于有效容量。RAG 系统不能把检索结果无脑堆叠进超长上下文，而须做检索重排（首尾优先）、分层上下文预算（工作记忆 vs 长尾知识）、分块聚合（map-reduce）与位置探针评测。本题考察候选人能否把位置偏置从论文概念转化为 RAG 工程约束。
- 高级系统设计查看详解 →
基准污染诊断：当 SWE-bench Verified 得分异常高但实际能力不匹配时，如何系统性诊断并调整评估策略？
OpenAI SWE-bench Verified 审计发现 59.4% 任务存在缺陷，前沿模型被检测到从训练数据中召回答案（adwaitx.com 2026-02 技术分析）。当模型在基准上得分异常高（如 80%+）但实际能力不匹配时，候选人需要展示三条独立诊断路径（n-gram overlap 精确重叠、embedding similarity 语义重叠、ablation study 因果归因）的交叉验证能力，以及污染确认后从「单一基准分数」转向「基准组合 + 私有评测 + 过程评估」的评估策略重构能力。本题区分「会跑 benchmark」与「理解 benchmark 为什么可信」的候选人。
- 高级概念查看详解 →
在 MoE 模型的大规模部署中，Expert Parallelism 面临哪些工程挑战？请从负载均衡、通信开销、故障恢复三个维度分析。
Expert Parallelism 把 MoE 专家分布到多 GPU 以突破单卡显存上限，但 Top-K 路由导致负载不均、All-to-All 通信跨节点成为瓶颈、Expert 级 checkpoint 与弹性恢复比 Dense 模型更复杂。
延伸阅读
从知识库精选 1 篇文章，帮助深入理解该术语。
外部参考
维基百科：查看「Speculative Decoding Drafter」词条本页内容为本站原创撰写；维基百科链接仅作延伸参考。