arXiv · cs.CL· Mingkang Liu·· 6 天前AI 评分37
RCSD：面向领域特定投机解码的强化学习与持续学习训练框架
RCSD: Reinforcement and Continual Learning for Domain-Specific Speculative Decoding
来源与原文
arXiv · cs.CL
作者：Mingkang Liu
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/2610.29527v1
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
RCSD 是一种投机解码训练框架，将 draft 模型优化与最大化接受长度的系统级目标对齐，利用投机推理中自然产生的接受与拒绝序列构建隐式偏好对，并用 masked loss 避免惩罚与 target 对齐的 token。在多个 benchmark 上，RCSD 相比 HASS 将平均接受长度提升 35%，端到端推理速度达 HASS 的 1.35x，且不损失生成质量。
来源：arXiv · cs.CL · arxiv.org