概述
推测性解码通过让一个小草稿模型提前猜测几个标记，然后由大模型一次性验证，从而加速大型语言模型推理。 EAGLE 是最先进的版本，它在功能级别而不是令牌级别进行起草，可提供 2-4 倍的加速，并且输出质量损失为零。
EAGLE 推测性解码是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。
深入探讨
正常的 LLM 生成是自回归的：模型生成一个令牌，将其反馈并重复，因此每个令牌都需要对数十亿个参数进行完整的前向传递。推测性解码打破了这个瓶颈。廉价的起草者提出了一大块候选令牌，而昂贵的目标模型在一次并行传递中验证所有这些令牌，接受最长的正确前缀。 EAGLE（提高语言模型效率的外推算法）通过在模型的隐藏特征空间中起草并反馈先前标记的真实嵌入来减少不确定性，从而改进了早期方法。 EAGLE-2 添加了动态草图树，而 EAGLE-3 则删除了特征预测约束以更好地扩展。至关重要的是，验证可确保输出与目标模型单独产生的输出相同。
技术洞察
EAGLE 训练一个小型自回归头来预测目标模型的下一个隐藏状态特征，然后重用目标自己的 LM 头将特征转换为候选标记。通过对移动的标记序列加上先前的特征进行调节，它消除了困扰仅特征起草的歧义性。立即验证候选树；目标模型的分布被精确保留，因为接受的标记必须与其采样或 argmax 选择相匹配，从而使加速无损。
使用 EAGLE 掌握推测解码
推测性解码通过让一个小草稿模型提前猜测几个标记，然后由大模型一次性验证，从而加速大型语言模型推理。 EAGLE 是最先进的版本，它在功能级别而不是令牌级别进行起草，可提供 2-4 倍的加速，并且输出质量损失为零。 EAGLE 推测性解码是一个技术构建块，会大规模影响模型质量、基础设施成本、延迟和可靠性。为了建立深入的理解，请将 EAGLE 推测解码视为一种操作模型，而不是单个功能：定义所需的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，强大的团队使用 EAGLE 推测解码来根据可靠性和成本优化架构、数据和基础设施选择。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
多年来，架构决策决定着性能和运营成本。与此同时，优化一个基准测试可以隐藏更广泛的系统弱点。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
多年来，架构决策决定着性能和运营成本。
多年来，架构决策决定着性能和运营成本。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。
技术教育帮助团队选择正确的堆栈，而不仅仅是最新的堆栈。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
更好的工程选择可以减少生产中的可靠性事故。
更好的工程选择可以减少生产中的可靠性事故。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
缩短聊天助手的延迟，使响应速度提高 2-3 倍，而无需更改模型的答案
通过每次前向传递生成更多令牌，降低大容量 API 提供商的 GPU 服务成本
加速长链思维推理模型，其中每个查询生成数千个令牌
加快代码完成工具的速度，其中可预测的、重复的标记序列可产生较高的草稿接受率
实施模式
实践中使用 EAGLE 进行推测解码
缩短聊天助手的延迟，使响应速度提高 2-3 倍，而无需更改模型的答案。
减少聊天助理的延迟，使响应速度提高 2-3 倍，而无需更改模型的答案。当团队预先定义质量阈值、为边缘情况保留人工升级路径并跟踪一段时间内的生产力提升和错误成本时，通常会获得更好的结果。
实践中使用 EAGLE 进行推测解码
通过每次前向传递生成更多令牌，降低大容量 API 提供商的 GPU 服务成本。
通过为每个前向传递生成更多令牌来降低大容量 API 提供商的 GPU 服务成本 当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
实践中使用 EAGLE 进行推测解码
加速长链思维推理模型，其中每个查询会生成数千个令牌。
加速长链思维推理模型，其中每个查询会生成数千个令牌当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
实践中使用 EAGLE 进行推测解码
加速代码完成工具，其中可预测的、重复的标记序列可产生较高的草稿接受率。
加速代码完成工具，其中可预测的重复标记序列可产生较高的草稿接受率当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
优化一项基准测试可以隐藏更广泛的系统弱点。
基础设施和维护成本常常被低估。
随着系统变得更加复杂，安全性和可观察性差距可能会扩大。
实施路线图
在实施之前定义延迟、质量和成本目标。
在实施之前定义延迟、质量和成本目标。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在实际负载和数据条件下进行基准测试。
在实际负载和数据条件下进行基准测试。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
仪器监控错误、漂移和用户影响。
仪器监控错误、漂移和用户影响。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
在扩展之前准备回滚和事件响应路径。
在扩展之前准备回滚和事件响应路径。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。