arXiv · cs.CL· Manvi Jha·· 21 天前AI 评分51
APEX 提出自适应推测解码，在 vLLM 中对 Qwen3-8B 实现最高 5.24X 加速
APEX: Speculate smarter, not deeper
来源与原文
arXiv · cs.CL
作者：Manvi Jha
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.07780v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出 APEX，一个通过请求级专家选择和块级深度调整来平衡解码速度与草稿 token 浪费的学习控制器。APEX-Router 在 EAGLE-3、n-gram 和 draft-model 推测间逐请求选择，APEX-Depth 将接受草稿长度建模为删失生存反馈以动态调整草稿长度。集成到 vLLM 并用 Qwen3-8B 在六个工作负载评测，相对自回归解码最高加速 5.24X；APEX-S 整体加速 4.27X，APEX-B 加速 3.27X 且相对固定 k=16 的 n-gram 推测减少 41.0% 的浪费 token。
来源：arXiv · cs.CL · arxiv.org